Inputdaten
Die Daten werden bei den Radarplots als Min-, Max-Werte, Quantile und der Durchschnitt (Kennzahlen) abgebildet. Jedem festgelegten Eingabewert wird eine Linie von der Mitte hin zum Rand zugeordnet.
Die Kennzahlen werden auf dieser Linie abgetragen und mit den entsprechenden anderen Kennzahlen der anderen Eingabedaten verbunden.
Weiterhin wird ein Filter festgelegt, bei dem es sich um einen kategorischen Faktor oder die Clusterzuordnung handelt. In Abbildung 1 ist das Eingabefeld beispielhaft dargestellt.
Abbildung 1 - Beispieleingabe Radarplots
Parametrisierung
Als Parameters stehen verschiedenen Skalierungsmethoden zur Verfügung. Zum einen ist es möglich keine Skalierung vorzunehmen.
Dies wird nicht empfohlen, da sobald ein Eingabewert um ein vielfaches Größer als die Anderen ist, diese nicht mehr differenzierbar sind.
Die erste Skalierungsmethode ist der MinMaxScaler welcher dem höchsten originalen Wert den neuen Wert „1“ zuordnet und respektive dem niedrigsten die „0“.
Die Werte in dem Zwischenbereich werden auf dieser Basis skaliert. Ist bekannt, dass Ausreißer in den Daten vorhanden sind, sollte auf den Normalizer zurückgegriffen werden.
Dieser skaliert die Werte auf eine einheitliche Norm und ist daher weniger empfindlich gegenüber Ausreißern. In Abbildung 2 ist die Parametrisierung mit dem MinMaxScaler abgebildet.
Abbildung 2 - Parametrisierung Radarplots
Interpretationsbeispiel
Radarplots können zur mehrdimensionalen Analyse von Einflüssen von Stellgrößen auf die Clusterzugehörigkeit oder Ausprägungen von KPIs genutzt werden.
Dafür stehen die folgenden statistischen Maße zur Verfügung:
•Min-Wert
•Max-Wert
•25%-Quartil
•Durchschnitt
•75%-Quartil
In dem folgenden Beispiel wurden durch vorherige Analysen Cluster 3 und 1 als sehr gut eingestuft und es stellte sich die Frage, welche Parameter einen Einfluss auf die Zugehörigkeit zu diesen Clustern haben.
In der Abbildung 3 wird schnell deutlich, dass die Zugehörigkeit zu Cluster 3 aus einem Anteil von 0% von Modell B an der Gesamtproduktion resultiert.
Cluster 1 resultiert im Vergleich aus einem eher niedrigen Anteil der Modelle A und B bei einem hohen Produktionsvolumen. Ein sehr hoher Anteil an Modell A und B führt zu einer Zuordnung zu Cluster 0.
Die Parameter des Anlieferzyklus und der Anzahl der Pufferplätze scheinen in diesem Beispiel keinen Einfluss zu haben, da diese in allen Clustern ähnliche Ausprägungen haben.
Abbildung 3 - Radarplotanalyse
© SimPlan AG - AG Hanau HRB 6845 - info@simplan.de - www.simplan.de