VARIABLES CONTROL CHARTS

Slides:



Advertisements
Presentasi serupa
Control chart for Variabel
Advertisements

OLEH : MARIANI JAYA SAPUTRA
Disusun Oleh: Isarmadriani Meinar ( ) JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS SULTAN AGENG TIRTAYASA CILEGON-BANTEN 2010 A MULTIVARIATE.
OC Curve Operating Characteristic Curve for x bar Control Chart
PS. SUPERVISOR JAMINAN MUTU PANGAN
PS. SUPERVISOR JAMINAN MUTU PANGAN
Peta Kendali Variabel.
Statistical Process Control using Support Vector Machines: A Case Study Stephanie Mayang P
GRAFIK KENDALI (CONTROL CHARTS)
ACCEPTANCE SAMPLING PLANS DODGE - ROMIG
MK. PENGELOLAAN DATA MUTU PANGAN
6 EVALUASI HASIL.
RANCANGAN PERCOBAAN (EXPERIMENTAL DESIGN) Ke-1
Directorate General of Higher Education Ministry of National Education
PROCESS CAPABILITY ANALYSIS
Pemantauan Proses Dispersi Pada Sensitivitas Bagan Kontrol EWMA
STATISTIK DESKRIPTIF Budi Murtiyasa Jurusan Pend. Matematika
Nama : Mochamad Afandi NPM : Kelas : B
STATISTIK I (DESKRIPTIF) MKF
Control Chart (Peta Kendali)
Pendugaan Parameter Pendugaan Titik dan Pendugaan Selang
Statistika Inferensi : Estimasi Titik & Estimasi Interval
Disusun oleh Puput Candra Utami Teknik Industri
Peta Kendali ATRIBUT World Class.
Disusun oleh: Roy khrisman panjaitan (071269)
PERAMALAN PENGELOLAAN DEMAND
7. Penyajian Data TABEL GRAFIK. 7. Penyajian Data TABEL GRAFIK.
Varable Control Chart Individual, Cumulative Sum, Moving-Average, Geometric Moving-Average, Trend, Modified, Acceptance.
(MEASURES OF DISPERSION)
VARIABLES CONTROL CHARTS
Disusun oleh : Hartini Sri Fahmi
Directorate General of Higher Education Ministry of National Education
PERAMALAN Memprediksi peristiwa masa depan
Metode Peramalan (Forecasting Method)
UKURAN KESERAGAMAN / UKURAN VARIASI
Peramalan dan Pengelolaan Permintaan samsulb
Metode Peramalan (Forecasting Method)
METODE NUMERIK & GRAFIK
RESPONSI METODE GRAFIK
Kuliah ke- 4 Peta Kontrol untuk Data Variabel
6. Metode Exponential Smoothing (1)
Smoothing. Basic Smoothing Models Moving average, weighted moving average, exponential smoothing Single and Double Smoothing First order exponential smoothing.
MULTIPLE COMPARISON TEST (UJI LANJUT, POSTHOC TEST ) MULTIPLE COMPARISON TEST (UJI LANJUT, POSTHOC TEST ) Dr. Nugraha E. Suyatma, STP, DEA Dr. Ir. Budi.
MODUL 9. PENGANTAR TEKNIK INDUSTRI
STATISTIK DESKRIPTIF.
STATISTIKA Jurusan PWK-FT-UB Pertemuan ke-2/2-4,14-16
APLIKASI SPSS DALAM STATISTIK
Chapter 2 Representasi Data: Grafik
MANAJEMEN OPERASIONAL 2
PENGENDALIAN KUALITAS - pertemuan 05 -
PERAMALAN Oleh: Sri Hermawati.
Ferra Yanuar, SSi, MSc Jurusan Matematika Universitas Andalas
GRAFIK KENDALI (CONTROL CHARTS)
PENGENDALIAN KUALITAS
STATISTICAL PROCESS CONTROL Panduan untuk memantau kualitas kesehatan Nama: Andri Febrian Npm: /24/2018.
MENENTUKAN GARIS LURUS TERBAIK
PENGENDALIAN MUTU PROSES PADA PRODUK-PRODUK OLAHAN
PENGENDALIAN KUALITAS
? 1. Konsep Statistika STATISTIKA : Kegiatan untuk : mengumpulkan data
ANALISA STATISTICAL QUALITY CONTROL DALAM PENENTUAN PENGAWASAN KUALITAS PRODUK ROKOK PADA PT. GANDUM)
Peta X dan R Peta kendal X :
UKURAN VARIASI ATAU DISPERSI (Pengukuran Dispersi)
Control Chart Transparency Masters to accompany Heizer/Render – Principles of Operations Management, 5e, and Operations Management, 7e.
STATISTIK DESKRIPTIF Penajian data.
UJI HIPOTESIS MK. PENGELOLAAN DATA MUTU PANGAN PS. SUPERVISOR JAMINAN MUTU PANGAN PROGRAM DIPLOMA INSTITUT PERTANIAN BOGOR Dr. Ir. Budi Nurtama, Magr Dr.
8-Nov-18 QUALITY CONTROL 8-Nov-18 Rodeyar S.Pasaribu.
Penyebaran Data Kuliah 9.
PETA KONTROL DATA ATRIBUT p-chart np-chart.
Statistic Process Control Week 3 Ananda Sabil Hussein, SE, MCom.
STATISTIK DESKRIPTIF.
Transcript presentasi:

VARIABLES CONTROL CHARTS Ir. Budi Nurtama, M.Agr. PS. SUPERVISOR JAMINAN MUTU PANGAN DEP. ILMU DAN TEKNOLOGI PANGAN FATETA - IPB

Individuals Chart (X Chart) Untuk memonitor pengukuran individual yang berurutan (x1, x2, x3, ..., xk). Tidak diatur berdasarkan subgrup, yaitu jika data tersedia dalam situasi yang dimonitor adalah : very slow rates (large gaps of time between succesive measurements), misalnya low-volume production runs 2. continuously varying quantities, misalnya variabel yang berkaitan dengan proses seperti kelembaban, suhu, konsentrasi, dsb.

Individuals Chart ..... Grafik kendali untuk process average dengan ukuran subgrup = 1  Centerline = Estimasi standar deviasi untuk Control limits : Dengan moving ranges : Dengan Jika kedua estimasi berbeda jauh, lakukan eksplorasi lebih jauh.

Estimasi dengan Moving Ranges Moving range = nilai terbesar  terkecil dlm n observasi. Data observasi : x1, x2, x3, …, xk Pasangan data (n = 2) : {x1 , x2} , {x2 , x3} , {x3 , x4} , …, {xk-1 , xk} Moving ranges : x2  x1,x3  x2,x4  x3, …,xk  xk1

Tabulasi Individuals Chart Hari ke- Konsentrasi (%) Moving range 1 4.8 2 0.0 3 4.5 0.3 4 5 4.4 0.1 6 4.2 0.2 7 8 9 5.0 0.5 10 0.8 11 0.6 12 13 14 4.6 15 4.3 16 17 4.7 18 19 20 Total 90.4 MR-bar = 4.6/(201) = 0.24 Centerline = x-bar = 90.4/20 = 4.52 UCL = 4.52 + (2.660 x 0.24) = 5.16 LCL = 4.52  (2.660 x 0.24) = 3.88

Individuals Chart (X Chart)

Moving Range Chart (MR Chart)

Tabulasi MR chart MR-bar = 4.6/(201) = 0.24 Hari ke- Konsentrasi (%) Moving range 1 4.8 2 0.0 3 4.5 0.3 4 5 4.4 0.1 6 4.2 0.2 7 8 9 5.0 0.5 10 0.8 11 0.6 12 13 14 4.6 15 4.3 16 17 4.7 18 19 20 Total 90.4 MR-bar = 4.6/(201) = 0.24 Centerline = MR-bar = 0.24 UCL = 0.24 + (2.269 x 0.24) = 0.79 LCL = 0.24  (2.269 x 0.24) = 0.31  0

Moving Range Chart (MR Chart) Test Results for MR Chart TEST 1. One point more than 3.00 standard deviations from center line. Test Failed at points: 10

CUSUM (Cumulative Sum of Deviation) Chart Deviation control charts  memonitor adanya penyimpangan terhadap suatu target value (0). Asumsi : simpangan baku proses () stabil. Lebih sensitif untuk shift yang kurang dari 2 jika dibanding k = reference value = ukuran pergerakan (shift) yang dideteksi. Untuk process shift = 1 digunakan k = 0.5 Ada dua prosedur : Tabulasi dan V-mask.

CUSUM Chart ..... Jika partial sums diplotkan maka akan diperoleh CUSUM Chart

1. Prosedur Tabulasi CUSUM Dimulai dengan CUSUMU(0) = 0, selanjutnya CUSUMU(i) = Maksimum untuk i = 1, 2, 3, …, s. Dimulai dengan CUSUML(0) = 0, selanjutnya CUSUML(i) = Minimum untuk i = 1, 2, 3, …, s. Sinyal keluar kendali (out of control) : CUSUMU(i)  h atau CUSUML(i)   h h = decision interval, biasanya digunakan 4.5  5

Contoh Prosedur Tabulasi CUSUM : Data yang digunakan adalah pengukuran % konsentrasi (berbeda dg. data Individuals chart). Target value = 0 = 4.5 k = 0.5 dan h = 5

Tabulasi CUSUM Chart Perhitungan : MR-bar = 7.5 / 19 = 0.395 -hat = MR-bar / d2 = 0.395 / 1.128 = 0.350 k = 0.5 x 0.350 = 0.175 h = 5 x 0.350 = 1.750 UCL = + 1.750 LCL =  1.750 xi = x-bar (karena n = 1) Interpretasi : CUSUMU pada hari ke-13, 14, 15, dan 19 lebih besar dari h  out of control Hari ke i xi MR xi  (0 + k) CUSUMU xi  (0  k) CUSUML 1 4.9 0.225 0.575 0.000 2 4.8 0.1 0.125 0.350 0.475 3 4.6 0.2 -0.075 0.275 4 4.0 0.6 -0.675 -0.325 5 4.4 0.4 -0.275 0.075 -0.250 6 3.9 0.5 -0.775 -0.425 7 3.8 -0.875 -0.525 -1.200 8 4.5 0.7 -0.175 0.175 -1.025 9 5.0 0.325 0.675 -0.350 10 5.5 0.825 1.150 1.175 11 1.275 12 1.600 13 5.2 0.525 2.125* 0.875 14 0.3 2.350* 15 4.2 -0.475 1.875* -0.125 16 1.700 17 4.7 0.025 1.725 0.375 18 1.450 19 1.775* 20

CUSUM Chart Test Results for CUSUM Chart: TEST. One point beyond control limits. Test Failed at points: 13, 14, 15, 19

2. Prosedur V-mask CUSUM w = faktor skala agar grafik mudah dibaca,  h d Subgrup Subgrup 15 = pusat V-mask w = faktor skala agar grafik mudah dibaca, biasa digunakan 2 (untuk k = 0.5   = 14O)

Hari ke-20 sebagai pusat V-mask V-Mask CUSUM Chart Hari ke-20 sebagai pusat V-mask

Test Results for Vmask Chart V-Mask CUSUM Chart Hari ke-14 sebagai pusat V-mask Test Results for Vmask Chart TEST. One point beyond control limits. Test Failed at points: 7, 8, 9

EWMA (Exponentially Weighted Moving Average) Chart Geometric Moving Average Chart (Roberts, 1959). Utk sembarang seri subgrup, umumnya data variabel. Alternatif untuk individuals chart (n=1) atau Memberikan respon lebih cepat untuk shifts dalam process average jika dibandingkan dg individual chart atau Deviation control chart.

Out of control = satu titik di luar UCL atau LCL EWMA Chart ..... Out of control = satu titik di luar UCL atau LCL

EWMA Chart .....

Hari ke- Konsentrasi (%) Moving range EWMA UCL LCL 1 4.9 4.58 4.71 4.29 2 4.8 0.1 4.62 4.77 4.23 3 4.6 0.2 4.80 4.20 4 4.0 0.6 4.50 4.82 4.18 5 4.4 0.4 4.48 4.83 4.17 6 3.9 0.5 4.36 4.84 4.16 7 3.8 4.25 8 4.5 0.7 4.30 4.85 4.15 9 5.0 4.44 10 5.5 4.65 11 4.68 12 4.74 13 5.2 14 0.3 15 4.2 4.72 16 17 4.7 18 19 4.70 20 EWMA Chart : Gunakan data CUSUM chart. Target value = = 4.5 dan  = 0.20 Perhitungan : MR-bar = 7.5 / 19 = 0.395 -hat = MR-bar / d2 = 0.395 / 1.128 = 0.350 EWMA1 = (0.2*4.9) + (0.8*4.5) = 4.58 EWMA2 = (0.2*4.8) + (0.8*4.58) = 4.62 .... dst. utk. hari ke-3, 4, ....., 20  / (2) = 0.2 / 1.8 = 0.11 Utk hari ke-1 : 1  (1)2*1 = 1  (10.2)2 = 0.360 UCL1 = 4.5 + [ (3*0.350)*(0.11*0.360)0.5 ] = 4.71 LCL1 = 4.5  [ (3*0.350)*(0.11*0.360)0.5 ] = 4.29 ..... dst. utk. hari ke-2, 3, ....., 20

EWMA Chart