FUNGSI TAGUCHI LOSS – VERSI PENINGKATAN

Slides:



Advertisements
Presentasi serupa
Statistik dan Parameter
Advertisements

Analisa Data Statistik Chap 6: Distribusi Probabilitas Kontinu
Pengujian Hipotesis (Satu Sampel)
ANALISIS OF VARIANS (ANOVA)
Distribusi Chi Kuadrat, t dan F
BIOSTATISTIK (MATERI MATRIKULASI)
Distribusi Probabilitas Diskrit dan Kontinu
Distribusi Teoritis.
Pertemuan 6 UJI HIPOTESIS
STATISTIKA INFERENSI : UJI HIPOTESIS (SAMPLE TUNGGAL)
Probabilitas dan Statistika BAB 9 Uji Hipotesis Sampel Tunggal
VI. ESTIMASI PARAMETER Estimasi Parameter : Metode statistika yang berfungsi untuk mengestimasi/menduga/memperkirakan nilai karakteristik dari populasi.
STATISTIKA INFERENSIA
Uji Kolmogorov Smirnov
Control Charts with Increasing Failure Rate and Early Replacement”
SAMPLING DAN DISTRIBUSI SAMPLING
Distribusi Peluang Diskrit atau Teoritis (z, t, F dan chi square)
Akhmad Rafsanjani Teknik Industri. Kebutuhan untuk kesempurnaan dan penghapusan produk yang tidak sesuai dengan spesifikasi merupakan alasan utama.
LOSS FUNCTIONS USED IN THE QUALITY THEORY
Tugas Pengendalian Mutu
Statistika Inferensi : Estimasi Titik & Estimasi Interval
STATISTIKA RINI NURAHAJU.
1 Pertemuan 07 Teori Peluang Matakuliah: F0392/Simulasi Perdagangan di Bursa Efek Tahun: 2005 Versi: 1/3.
Universitas Negeri Malang Oleh : SENO ISBIYANTORO ( ) STATISTIK PARAMETRIK & NON-PARAMETRIK.
UJI NORMALITAS DAN HOMOGENITAS
Probabilitas dan Statistika BAB 10 Uji Hipotesis Sampel Ganda
TEKNIK ANALISIS DATA.
PERTEMUAN Ke- 4 Dosen pengasuh: Moraida Hasanah, S.Si., M.Si
STATISTIK INFERENSIAL
Kuliah ke 9 ESTIMASI PARAMETER SATU POPULASI
VI. ESTIMASI PARAMETER Estimasi Parameter : Metode statistika yang berfungsi untuk mengestimasi/menduga/memperkirakan nilai karakteristik dari populasi.
Statistika Inferensi : Estimasi Titik & Estimasi Interval
Misal sampel I : x1, x2, …. Xn1 ukuran sampel n1
DISTRIBUSI PROBABILITAS
Distribusi Normal.
Tugas Jurnal Disusun Oleh : Irfan Muhammad
STATISTIKA INFERENSI : UJI HIPOTESIS (SAMPEL TUNGGAL)
DISTRIBUSI KONTINU DISTRIBUSI NORMAL.
PENGANTAR STATISTIKA.
Resume Jurnal :”Taguchi Loss Function for Varus/Valgus Alignment in Total Knee Arthroplasty” Srinu Kusuma, Andrew G. Urquhart and Richard E. Hughes*
Statistika Inferensi : Estimasi Titik & Estimasi Interval
STATISTIK MULTIVARIAT
Statistika Industri Week 2
UJI KOLMOGOROV SMIRNOV
STATISTIKA INFERENSI : UJI HIPOTESIS (SAMPEL TUNGGAL)
Uji Hipotesis.
Analisa
Distribusi Probabilitas Kontinyu
STATISTIK Pertemuan 6: Interval Konfidensi Dosen Pengampu MK:
TEORI PENDUGAAN STATISTIK
Pengantar Statistika Bab 1
Dalam uji hipotesis, dibandingkan 2 parameter dari 2 populasi:
Uji Goodness of Fit : Distribusi Normal
Estimasi.
Bagan kontrol dan Distribusi normal
ANALISis DATA statistik
Uji Asumsi Analisis Regresi Berganda Manajemen Informasi Kesehatan
REGRESI POISSON Gangga Anuraga, M.Si.
ANALISis DATA statistik
Distribusi Sampling.
Pengantar Statistika Bab 1
PENGANTAR STATISTIKA.
MANAJEMEN KUALITAS ERLIN TRISYULIANTI.
Pertemuan ke 9.
Statistika Inferensi : Estimasi Titik & Estimasi Interval
PENGERTIAN DISTRIBUSI TEORITIS
Bila ada 2 populasi masing-masing dengan rata- rata μ 1 dan μ 2, varians σ 1 2 dan σ 2 2, maka estimasi dari selisih μ 1 dan μ 2 adalah Sehingga,
Statistika Non-Parametrik
Distribusi Sampling Menik Dwi Kurniatie, S.Si., M.Biotech.
Statistika Non-Parametrik
Transcript presentasi:

FUNGSI TAGUCHI LOSS – VERSI PENINGKATAN Dedi Setiawan 081563

Pengantar Variabilitas dalam operator pada umumnya mengalami loss pada saat memproduksiSehingga dibutuhkan manajemen untuk menilai seberapa besar kerugian biaya tambahan yang ditimbulkan.

The Current Proses Gambar 1 Perbandingan Proses Giro Proses Mampu

Data dikumpulkan dari proses dan batas kontrol didirikan untuk X-bar dan-R grafik. Melalui proses eliminasi dari nilai yang tampaknya berasal dari penyebab dialihkan, data dikurangi menjadi satu set yang dapat dianggap berasal dari proses bila berada dalam kontrol. Kemudian parameter proses yang dikendalikan diperkirakan. Data juga diuji untuk data normalitas menggunakan Chi-square uji kebaikan-of-fit = 0,05 dan ditemukan untuk memenuhi normal asumsi. Estimasi untuk mean dan deviasi standar diperoleh untuk saat ini dan Proses mampu masing-masing sebagai: (3.6, 0.051), (3,5, 0,027). Gambar 1 menunjukkan perbandingan saat proses dalam proses (atau dicapai) mampu. Bagian dari distribusi saat ini yang berada di luar distribusi yang mampu mewakili kubus-ketinggian yang terlalu tinggi.

Fitting a model to the loss kerugian yang disebabkan oleh tingginya kelebihan dihitung untuk berbagai nilai dari "saat ini" berarti μ dan deviasi standar saat ini s, dan Tabel 1 menunjukkan kerugian tersebut. Menggunakan model regresi

Catatan: (a) Diperkirakan bahwa jika ada lebih dari 25% produksi di bawah spesifikasi,          Seluruh produksi akan dianggap menolak. (b) Jika rata-rata adalah 3,45 atau lebih, tidak akan ada lebih dari 25% dari produksi         di bawah spesifikasi yang lebih rendah.

Gambar 2 Grafik kerugian sebagai fungsi dari perubahan dalam proses mean dan deviasi standar

Kesimpulan Kerugian yang terjadi ketika bmenyimpang dari target mean dan deviasi target berdiri seharusnya dihitung. Kerugian ini dibandingkan dengan yang diperkirakan oleh Fungsi Taguchi.