Disusun Oleh: Isarmadriani Meinar ( ) JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS SULTAN AGENG TIRTAYASA CILEGON-BANTEN 2010 A MULTIVARIATE MOVING AVERAGE CONTROL CHART FOR PHOTOVOLTAIC PROCESSES (SEBUAH MULTIVARIAN MOVING AVERAGE CONTROL CHART UNTUK PROSES PHOTOVOLTAIC ) Tugas Resume Kuliah Pengendalian dan Penjaminan Mutu

A. Multivarian Moving Average (MMA) Control Chart Dalam statistik multivarian, data membentuk matriks dengan sebuah kolom untuk setiap variabel dan sebuah baris untuk setiap pengamatan. Setelah batas-batas kontrol untuk tabel multivarian dibentuk, sebuah baris baru data dapat dievaluasi, untuk mengetahui apakah dapat dinilai statistik konsisten dengan batas-batas kontrol. Baris baru, yang merupakan vektor tetapi banyak variabel yang sedang diamati, harus dikombinasikan untuk pengukuran tunggal dari statistik konsistensi. Untuk Multivarian Moving Average (MMA) Control Chart, ini adalah statistik T 2. Langkah untuk MMV statistik dapat didefinisikan sebagai berikut:

Langkah 1 Untuk menghitung Tj 2, vektor sampel oleh Moving Average diberikan oleh

Langkah 2 varians sampel untuk karakteristik Moving Average sampel diberikan oleh : Vektor M dari target means karakteristik untuk m sampel diestimasi sebagai :

Langkah 3 Unsur varians-kovarians matriks S dalam eq. (8) diperkirakan dari rata-rata berikut ini untuk m sampel Penggunaan eq. (3) memerlukan pembalik matriks ini karena :

di mana p sama dengan jumlah variabel dan rata-rata dalam control run length. B. Contoh Moving Average Multivarian Perhatikan contoh berikut dengan menggunakan data aktual (N = 20). Selama periode di mana sampling dibuat, yang mempertahankan proses pola yang relatif stabil variasi, menunjukkan produksi normal. Kalibrasi sel perangkat pengukuran listrik dapat dicapai melalui referensi sel sekali per shift produksi.

Suatu Dataset dikumpulkan pada hari produksi yang sama digunakan untuk mengestimasi means, varians dan kovarians yang digunakan dalam semua Batas kontrol perhitungan awal, langkah yang diperlukan sesuai kontrol aplikasi charting. Berdasarkan data ini didapat estimasi means populasi untuk ISC dan FillFaktor adalah 82,32 dan 20,19. Tabel di bawah ini menyajikan perkiraan matriks kovarians digunakan dalam bagan kontrol untuk mengikuti konstruksi.

NUMERIK Semua bagan kontrol batas untuk kedua univariat dan multivarian bagan diperkirakan menggunakan data yang sama ini ditetapkan untuk memberikan konsisten dasar untuk perbandingan. Sampel sebenarnya pengamatan diplot (N = 20) yang berarti deviasi standar 82,32 (0,97) dan 20,19 (.47) untuk ISC dan FF masing-masing. Itu bivaraite sampel koefisien korelasi antara variabel adalah 0,374, yang menunjukkan variabel-variabel ini adalah kandidat yang baik untuk sebuah multivariat skema kontrol. Tujuan dari penemuan ini adalah untuk menggabungkan yang jelas pergeseran proses untuk menggambarkan manfaat dari multivarian pendekatan pengendalian proses fotovoltaik. Sementara normal data produksi menawarkan banyak contoh dari manfaat MMA atas univariat grafik, memeriksa tanggapan diagram efek yang dikenal dalam skenario ini telah dikendalikan manfaat dari perspektif tutorial. Ilustrasi hasil dengan pemeriksaan bagan kontrol univariat efektivitas dalam deteksi dari satu sigma pergeseran. Gambar ISC menampilkan data pada sebuah bagan individu dengan dua sigma peringatan batas, menggunakan data dari Tabel II dan tiga sigma batas-batas kontrol ditampilkan di sisi kanan sumbu.

Situasi yang serupa terjadi dengan moving average untuk Fill Factor atau MA control chart FF ditunjukkan pada gambar 2 berikut ini :

Bagan univariat EWMA dipilih untuk FF metrik karena kekuatannya non-normal [6]. Isi data Factor secara signifikan miring dan bagan individu digunakan untuk ISC akan sangat berpengaruh terhadap permulaan. Dengan bagan ISC, nilai- nilai Batas kontrol muncul di sisi kanan sumbu. Grafik MA berikut ditunjukkan pada Gambar. 1 dan Gambar. 2. Control chart MMA ditunjukkan pada Gambar. 3 memanfaatkan totalitas variasi dalam kedua metrik o menawarkan lebih untuk representasi dari proses kontrol.

Dalam kasus ini, Batas kontrol atas atau UCL, dari 5,89 ditampilkan di sisi kanan sumbu, tidak memiliki interpretasi langsung relatif terhadap ISC dari FF unit. Nilai T 2 diplot pada MMA dibandingkan dengan UCL. Dalam contoh ini, control chart MEWMA mendeteksi satu univariat sigma pergeseran dalam ISC dan FF kesimpulan metrik.

Pemanfaatan control chart MMA mempertimbangkan hubungan multivariat dari sel photovoltaic listrik metrik. Lebih lanjut, MMA memasukkan informasi dalam titik data saat ini maupun yang sebelumnya, suatu desain yang menyediakan peningkatan kepekaan terhadap pergeseran proses yang kecil [6]. Dalam totalitas, penggunaan control chart MEWMA mungkin menawarkan pendekatan yang lebih sensitif terhadap situasi kontrol proses biasa yang ditemui dalam pengolahan photovoltaic. Sebagai penutup, penggunaan metodologi untuk analisis multivariat proses photovoltaic data dapat menawarkan lebih tepat alternatif dari satu-variabel pendekatan pada suatu waktu. Melanjutkan penelitian terapan akan berusaha untuk menyelidiki lebih lanjut potensi multivarian penggunaan metodologi dalam pengaturan photovoltaic.

Sekian Terima kasih