data-capping-equals-forging-data.md

title	数据封顶=伪造数据：超出阈值应剔除而非截断
domain	data
subdomain	data-quality
tags	data-quality threshold capping data-integrity
source	zsxh1990
status	published
confidence	1.0
created	2026-06-25
domain_expert	zsxh1990
verified_date	2026-07-06

Problem

数据分析中，当数据超出阈值（如实际节拍超过工位节拍），把超出部分"封顶"到阈值值（如写成 100%），本质上是伪造满负荷数据。后续计算基于伪造数据得出错误结论。

Root Cause

封顶和剔除是两种完全不同的操作：

• 封顶 = 把异常值截断到阈值 → 掩盖真实异常，污染后续计算
• 剔除 = 承认数据异常并排除 → 保持数据诚实

"Z>P 封顶 100%"是典型的封顶陷阱：超出阈值的数据被强制拉回阈值，看起来"合理"但完全失真。

Solution

1. 超出阈值的数据直接剔除（保持空值），不参与后续计算
2. 任何口径都不能"封顶"异常数据
3. 剔除后需记录剔除数量和比例，供审计追溯
4. 如果阈值本身不合理，应调整阈值而非封顶数据

# ❌ 封顶 = 伪造
utilization = min(actual_cycle / target_cycle, 1.0)

# ✅ 剔除 = 诚实
if actual_cycle > target_cycle:
    utilization = None  # 标记为异常，不参与统计
else:
    utilization = actual_cycle / target_cycle

Verification

# 验证：统计剔除数量
excluded = df[df['utilization'].isna()]
print(f"剔除 {len(excluded)} 条超出阈值数据 ({len(excluded)/len(df)*100:.1f}%)")
# 期望：剔除比例 < 5%，否则阈值本身可能有问题