Interpretieren der wichtigsten Ergebnisse für Zeitreihendiagramm

Greifen Sie auf Ihre Prozesskenntnisse zurück, um zu beurteilen, ob ungewöhnliche Beobachtungen oder Sprünge auf Fehler oder auf eine tatsächliche Änderung des Prozesses hindeuten.

Ausreißer

Suchen Sie nach ungewöhnlichen Beobachtungen, die auch als Ausreißer bezeichnet werden. Ausreißer haben eine disproportionale Auswirkung auf Zeitreihenmodelle, und sie bewirken irreführende Ergebnisse. Bestimmen Sie nach Möglichkeit die Ursache von Ausreißern, und korrigieren Sie sämtliche Dateneingabe- und Messfehler. Erwägen Sie, Datenwerte zu entfernen, die auf ungewöhnliche, einmalige Ereignisse (d. h. auf Ausnahmebedingungen) zurückzuführen sind.

Im folgenden Zeitreihendiagramm ist ein Ausreißer zu erkennen, der auf einen Dateneingabefehler zurückzuführen ist. Ein Techniker hat im Arbeitsblatt versehentlich den Wert 4 anstelle des Werts 40 eingegeben.

Sprünge

Suchen Sie nach Sprüngen in der Datenreihe oder abrupten Änderungen von Trends. Versuchen Sie, die Ursache derartiger Änderungen zu ermitteln.

Im folgenden Zeitreihendiagramm lässt sich beispielsweise nach 15 Monaten ein erheblicher Sprung in den Kosten eines Prozesses erkennen. Sie sollten den Grund für den Sprung untersuchen.

Ein Trend ist eine langfristige Zunahme oder Abnahme der Datenwerte. Ein Trend kann linear verlaufen oder eine bestimmte Krümmung aufweisen. Wenn Ihre Daten einen Trend erkennen lassen, können Sie sie mit einer Zeitreihenanalyse modellieren und Prognosen erstellen. Weitere Informationen dazu, welche Analyse sich eignet, finden Sie unter Welche Zeitreihenanalyse sollte verwendet werden?.

Ein saisonales Muster ist ein Anstieg oder Abfall der Datenwerte, der im gleichen Zeitraum regelmäßig erneut auftritt. So sind beispielsweise bei einem Autoteilehandel montags geringe Umsätze zu verzeichnen, die die über die Woche zunehmen und ihre Spitze am Freitag erreichen. Saisonale Muster weisen stets einen festen und bekannten Zeitraum auf. Im Gegensatz dazu ist eine zyklische Änderung ein Zyklus von ansteigenden und abfallenden Datenwerten, der sich nicht in regelmäßigen Abständen wiederholt. In der Regel sind zyklische Änderungen länger anhaltend und variabler als saisonale Muster.

Sie können eine Zeitreihenanalyse verwenden, um Muster zu modellieren und Prognosen zu erstellen. Weitere Informationen dazu, welche Analyse sich eignet, finden Sie unter Welche Zeitreihenanalyse sollte verwendet werden?.

Saisonales Muster

Diese Daten lassen ein saisonales Muster erkennen. Das Muster wiederholt sich alle 12 Monate.

Zyklische Änderungen

Diese Daten lassen zyklische Änderungen erkennen. Die Zyklen wiederholen sich nicht in regelmäßigen Intervallen, und sie weisen nicht die gleiche Form auf.

Zufällige Streuung

Diese Daten lassen eine zufällige Streuung erkennen. Es sind keine Muster oder Zyklen vorhanden.

Wenn die Größe der saisonalen Änderungen konstant ist, sind die saisonalen Änderungen additiv. Wenn die Größe der saisonalen Änderungen bei größeren Datenwerten hingegen größer ist, sind die saisonalen Änderungen multiplikativ. Aufgrund der zusätzlichen Streuung sind genaue Prognosen für multiplikative saisonale Änderungen möglicherweise schwieriger anzustellen.

Wenn das Muster nicht offensichtlich ist und Sie keine Entscheidung für das additive oder multiplikative Verfahren zum Modellieren der Daten treffen können, testen Sie beide, und wählen Sie das Verfahren mit den kleineren Genauigkeitsmaßen aus. Weitere Informationen finden Sie unter Welche Zeitreihenanalyse sollte verwendet werden?.