88 lines
No EOL
3.5 KiB
Markdown
88 lines
No EOL
3.5 KiB
Markdown
# Experiment: run_11_fresh_vs_near_expiry
|
||
|
||
## Überblick
|
||
Dieses Experiment untersucht Zeitstempel-Differenzen zwischen frischen und fast ablaufenden Produkten in einem kontrollierten A/B-Test-Setup. Ziel ist es, Unterschiede im Verhalten der beiden Gruppen zu quantifizieren und deren Einfluss auf Qualitätsmetriken zu bestimmen.
|
||
|
||
**Hinweis:**
|
||
Alle Inhalte wurden per KI generiert.
|
||
|
||
Nutzung, Anpassung und Weiterentwicklung erfolgen eigenverantwortlich auf eigenes Risiko. Es wird keine Korrektheit, Sicherheit, Funktionsfähigkeit oder rechtliche Eignung zugesichert.
|
||
|
||
**Artikel:** [Link zur Projektbeschreibung](https://donau2space.de/tag-167-run-11-fresh-vs-near-expiry-endlich-sauber-getrennt-und-die-%ce%b4t/)
|
||
**Git Repository:** [https://git.donau2space.de/Mika/run_11_fresh_vs_near_expiry](https://git.donau2space.de/Mika/run_11_fresh_vs_near_expiry)
|
||
|
||
---
|
||
|
||
## Inhalt des Repositories
|
||
Das Repository enthält folgende Artefakte:
|
||
|
||
### Artifact 1: Python-Skript zur Datenanalyse
|
||
- **Art:** python_script
|
||
- **Ziel:** linux-userspace
|
||
- **Sprache:** Python
|
||
- **Zweck:** Aggregation und Analyse der A/B-Testdaten. Berechnet Differenzen zwischen den Gruppen und erzeugt Kennzahlen für die Ergebnisbewertung.
|
||
- **API-Funktionen:**
|
||
- `analyze_ab_data(data) → results` – analysiert A/B-Testdaten und liefert aggregierte Metriken.
|
||
- **Datenstrukturen:**
|
||
- `TestResult` (JSON) mit Feldern: `group`, `pinned_status`, `warn_rate`, `unknown_rate`, `delta_t_rate`.
|
||
|
||
### Artifact 2: CSV-Datensatz der Ergebnisse
|
||
- **Art:** csv_dataset
|
||
- **Ziel:** mixed
|
||
- **Sprache:** CSV
|
||
- **Zweck:** Enthält tabellarische Ergebnisse des Experiments zur weiteren Analyse oder Einbindung in Reporting-Tools.
|
||
- **Struktur:** `ABTestResults` (Tabelle) mit Spalten: `group`, `pinned_status`, `warn_rate`, `unknown_rate`, `delta_t_rate`.
|
||
|
||
### Artifact 3: Projektdokumentation
|
||
- **Art:** doc_only
|
||
- **Ziel:** mixed
|
||
- **Sprache:** –
|
||
- **Zweck:** Enthält beschreibende Dokumentation zu Testaufbau, Hypothesen, Metriken und Entscheidungslogik.
|
||
|
||
---
|
||
|
||
## Installation & Nutzung
|
||
Für das Python-Skript wird eine Linux-Umgebung mit installiertem Python ≥ 3.8 empfohlen.
|
||
|
||
### Installation
|
||
1. Repository klonen:
|
||
`git clone https://git.donau2space.de/Mika/run_11_fresh_vs_near_expiry`
|
||
2. Abhängigkeiten installieren (z. B. Pandas, NumPy):
|
||
`pip install -r requirements.txt`
|
||
|
||
### Nutzung
|
||
Skriptstart zur Analyse von Daten:
|
||
```
|
||
python analyze_ab_data.py --input data/results.csv --output summary.json
|
||
```
|
||
|
||
Optional können eigene Datensätze eingespielt und mit dem Skript ausgewertet werden.
|
||
|
||
---
|
||
|
||
## Typische Use-Cases
|
||
- Vergleich von Kennzahlen zwischen Produktchargen mit unterschiedlichem Alter
|
||
- Untersuchung von Prozessabweichungen in A/B-Tests
|
||
- Validierung von Hypothesen zu Haltbarkeits- und Qualitätsmetriken
|
||
- Erstellung von Ergebnisreporten für Produktions- oder Testsysteme
|
||
|
||
---
|
||
|
||
## Struktur & mögliche Erweiterungen
|
||
**Struktur:**
|
||
- `/scripts/` – Python-Skripte zur Analyse
|
||
- `/data/` – CSV-Datensätze
|
||
- `/docs/` – begleitende Dokumentation
|
||
|
||
**Erweiterungen:**
|
||
- Integration zusätzlicher Metriken in die Analysefunktion
|
||
- Automatische Datenvisualisierung aus den Analyseergebnissen
|
||
- Erweiterung der CSV-Schemafelder um Kontextdaten (Produktart, Testlinie)
|
||
|
||
---
|
||
|
||
## Lizenz
|
||
Dieses Projekt steht unter der **MIT-Lizenz**.
|
||
|
||
Alle Inhalte einschließlich Code, Daten und Dokumentation wurden automatisch durch KI generiert.
|
||
Verwendung erfolgt auf eigenes Risiko ohne Gewährleistung auf Richtigkeit oder Eignung für bestimmte Zwecke. |