Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Varable Control Chart Individual, Cumulative Sum, Moving- Average, Geometric Moving-Average, Trend, Modified, Acceptance.

Presentasi serupa


Presentasi berjudul: "Varable Control Chart Individual, Cumulative Sum, Moving- Average, Geometric Moving-Average, Trend, Modified, Acceptance."— Transcript presentasi:

1 Varable Control Chart Individual, Cumulative Sum, Moving- Average, Geometric Moving-Average, Trend, Modified, Acceptance

2 2 Purposes

3 3 Individual Control Chart  Variability is estimated by the moving range (MR).  MR-chart pattern should be interpreted carefully  Check the individual value distribution before making the chart.  The strength : ease of use, it can be used to measure the process capability by plotting the specification limits on the chart.  The weakness: Less sensitive to process parameter change and individual distribution should be normal.

4 4 X-chart MR-Chart Individual Control Chart (No Standard)

5 5 X-chart MR-chart Individual Control Chart (There is Standard)

6 6 Example 1 Table 7-5 shows the Brinell hardness number of 20 individual steel fasteners and the moving ranges. Construct the X- chart and the MR-chart based on two successive observations. Specification limits are 32±7.

7 7 Example 1 (Continue) 1.1 5.8 2.5 10.2 0.9 5.2 5.1 7.7 3.5 4.4 29.4 35.2 37.7 27.5 28.4 33.6 28.5 36.2 32.7 28.3 11 12 13 14 15 16 17 18 19 20 - 7.7 3.9 6.2 3.3 8.1 9.9 0.8 1.9 7.8 36.3 28.6 32.5 38.7 35.4 27.3 37.2 36.4 38.3 30.5 1 2 3 4 5 6 7 8 9 10 MRHardnessSampleMRHardnessSample

8 8 Peta X Peta MR Example 1 (Continue)

9 9

10 10 Example 1 (Continue)–MR-chart UCL LCL CL

11 11 Example 1 (Continue) - X-chart UCL LCL CL USL LSL

12 12 Peta Kendali Cumulative Sum Rata- rata Proses (1)  Menggunakan informasi dari seluruh sampel yang ada sebelumnya dengan menampilkan cumulative sum deviasi nilai sampel (misal rata-rata sampel) dari nilai target yang ditetapkan.  Cumulative sum pada sampel ke-m adalah:

13 13 Peta Kendali Cumulative Sum Rata- rata Proses (2) Kelebihan  Efektif mendeteksi pergeseran kecil rata-rata proses.  Untuk ukuran sampel sebesar 1, cusum lebih baik dari peta Shewhart dalam mendeteksi pergeseran rata-rataproses. Kekurangan  Lambat mendeteksi perubahan yang besar.  Hanya cocok untuk memonitor proses yang secara historis sudah terkendali.  Aturan penentuan out of control pada peta Shewhart tidak dapat diterapkan.  Butuh tenaga yang lebih terlatih.

14 14 Peta Kendali Cumulative Sum Rata- rata Proses (3) 1 O 345678910 k 0 2k 3k -3k -2k -k P 2 d   Lower decision line Upper decision line Sample Cumulative Sum S i

15 15 Peta Kendali Cumulative Sum Rata- rata Proses (4) k adalah faktor skala yang menunjukkan rasio unit skala vertikal terhadap horizontal. Penentuan Parameter V-Mask

16 16 Peta Kendali Cumulative Sum Rata- rata Proses (5)  Tabel 7-8 dapat digunakan untuk memilih d dan  dengan tujuan meminimasi L(  ).  Asumsi pengambil keputusan telah menetapkan nilai L(0). Penentuan Parameter V-Mask dengan ARL Ditetapkan L(  ): ARL yang diinginkan pada saat pergeseran rata-rata proses terjadi pada level .

17 17 Contoh Soal 2 Automatic machines that fill packages of all purpose flour to a desired standard weight need to be closely monitored. A random sample of 4 packages is selected and weighed. The average weight is then computed (table 7-22). The desired weight of packages is 80 oz. Historical information on the machine reveals that the standard deviation of the weight of individual packages is 0.2 oz. Assume type I error rate of 0.05 and it is desired to detect shifts in the process mean of 0.15 oz. Construct cumulative sum chart.

18 18 Contoh Soal 2 (lanjutan) -0.10.280.215 -0.30.480.414 -0.7-0.279.813 -0.50.580.512 0.380.311 -1.3-0.579.510 -0.8-0.379.79 -0.5-0.679.48 0.1-0.579.57 0.60.480.46 0.20.180.15 0.10.380.34 -0.2-0.479.63 0.20802 0.2 80.21 Cumulative SumDeviation of sample mean from targetAverage WeightSample

19 19 Contoh Soal 2 (lanjutan) Asumsi k = 2 (sigma X bar) = 2 (0.1) = 0.2

20 20 Peta Kendali Moving Average (1)  Efektif mendeteksi pergeseran kecil rata-rata proses.  Dapat digunakan untuk ukuran sampel 1.  Nilai moving average berkorelasi.

21 21 Peta Kendali Moving Average (2) Center Line Control Limit

22 22 Peta Kendali Moving Average (3) Untuk t = 1, 2, …, w-1 Center Line Control Limit

23 23 Peta Kendali Geometric Moving- Average (1)  Premis: o Tiap nilai observasi historis mempunyai bobot yang berbeda. o Semakin baru observasi, semakin besar bobot yang diberikan.  Keuntungan: mampu mendeteksi perubahan kecil parameter proses.

24 24 Peta Kendali Geometric Moving- Average (2) Untuk nilai t besar

25 25 Peta Kendali Geometric Moving- Average (3) Untuk nilai t kecil Untuk nilai t besar

26 26 Peta Kendali Trend (1)  Rentang batas spesifikasi lebih lebar daripada variabilitas proses.  Proses dimungkinkan bergerak ke atas atau ke bawah sepanjang output berada dalam batas spesifikasi.  Center line dan control limit akan miring ke atas atau ke bawah.  Nilai rata-rata proses awal dan akhir ditentukan oleh batas spesifikasi.

27 27 Peta Kendali Trend (2) C = a + bi C: Fitted value of the sample average for sample i a: Intersection point of the fitted center line with the vertical axis b: Slope of the fitted center line i: sample number

28 28 Peta Kendali Trend (3) 20 10 13456789 2 a LSL Sample Sample average 30 40 USL Slope =b UCL CL LCL

29 29 Peta Kendali Modified (1)  Batas spesifikasi ditampilkan dalam peta kendali.  Tujuan: menentukan batasan rata-rata proses agar proporsi nonconforming item tidak melebihi nilai yang ditetapkan .  Asumsi: variabilitas proses terkendali, distribusi nilai individu normal, tidak ada kesulitan mengubah rata-rata proses.

30 30 Peta Kendali Modified (2) Z   /√n LSL LL USL UU  ZZ ZZ  LCLUCL

31 31 Peta Kendali Modified (3)

32 32 Peta Kendali Acceptance (1)  Batas kendali ditentukan oleh ukuran sampel, tingkat proporsi nonconforming (  ) dengan peluang terdeteksinya sebesar 1-b.  Asumsi: sama dengan asumsi pada peta kendali modified.

33 33 Peta Kendali Acceptance (2) Z   /√n LSL LL USL UU  ZZ ZZ  LCLUCL

34 34 Peta Kendali Acceptance (3)

35 35 Contoh Soal 3 The percentage of potassium in a compound is expected to be within the specification limits of 18-35%. Samples of size 4 are selected, and the mean and range of 25 such samples are shown in Table 7-25. Suppose we wish to detect an out of control condition with probability of 0.90 if the process is producing at a nonconformance rate of 4%. Determine the acceptance control chart limits.

36 36 Contoh 3 (lanjutan) Periksa variabilitas dengan peta R CL=2.064 UCL=4.71 LCL=0

37 37 Contoh 3 (lanjutan) 1.28(1/2) LSL 18 USL 35  1.75(1)  LCL 20.39 UCL 32.61  


Download ppt "Varable Control Chart Individual, Cumulative Sum, Moving- Average, Geometric Moving-Average, Trend, Modified, Acceptance."

Presentasi serupa


Iklan oleh Google