1.kelompok 1 1
1.kelompok 1 1
Kelompok 1
Oktosar Sabri
(H12112012)
(H12112105)
Eka Fahreza H.
(H12113313)
JURUSAN MATEMATIKA
PRODI STATISTIK
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS HASANUDDIN
2014
Penting untuk menjaga control selama kedua proses mean dan proses
variable Diatas tersebut. Pada gambar 6.1 diilustrasikan sebuah output dari
proses produksi. Pada gambar 6.1a baik Rata-rata dan standar deviasi berada
dalam kendali nominal valuenya (dikatakan o dan o) karena itu, sebagian besar
proses output jatuh dalam batas spesifikasi, meskipun, pada gambar 6.1b Ratarata telah di bergeser ke nilai 1>0, menghasilkanfraksi yang
lebihtinggidariproduk yang tidaksesuai, padagambar 6.1c proses deviasi standar
bergeser ke nilai 1>0. Hal ini juga mengakibatkan proses jatuh yang lebih
tinggi ,meskipun prosess perata-rataan tetap pada nilai nominalnya
Dan diketahui bahwa Distribusi normal dengan mean dan standar deviasi
x = / n . selanjutnya untuk probabilitas 1- untuk setiap sampel
mejadi :
+Z/ 2 x = +Z/ 2
(6.1)
Oleh karena itu, Jika dan diketahui, pernyataan (6.1) dapat digunakan
sebagai batas atas dan bawah pada Peta Kontrol untuk sample. Sama halnya di
Bab 5, untuk menggatikan Z/ 2 Oleh 3, jadi batas 3-Sigma akan bekerja. Jika
sample dilur batas, maka indikasi bahwa proses berarti tidak sama .
Dapat diasumsuikan bahwa distribusi karakteristik kualitas normal.Tapi,
hasilnya masih dikatakan benar jika distribusi mendasari batas-bawah, karena
teorema pusat batas. Pengaruh asumsi normalitas pada variable grafik kendali
dibagian 6.2.5.
Dapat dipraktekkan. Tidak Diketahui dan . Sehubungan dengan itu, merek
harus diestimasi dari sample awal atau subkelompok yang diambil ketika proses
dianggap berada dalam control. Estimasi ini biasanya harus berdasarkan
sebanyak 20 sampai 25 sample. Berdasarkan bahwa m sample tersedia, berisi n
observasi pada kualitas karakteristiknya. Secara khusus, n akan lebih kecil,
seringkali baik 4,5, 6. Ukuran sample kecil ini biasanya dihasilkan dari
konstruksi pada subbagian rasional dan dari fakta bahwa biaya pengambilan
sample dan pemeriksaan terkait dengan variable pengukuran biasanya relative
besar. Misalkan x 1 , x 2 ,,. xm menjadi rata-rata pada sample.
Kemudian penilai terbaik untuk . prosess rata-rata, adalah grand rata-rata
x =
x1 + x2+ + xm
m
(6.2)
chart
keduanya baik standard deviasi atau range pada m sample. Lalu range pada
sampel adalah pembedaan antara observasi terbesar dan terkecil: demikianlah.
R
= Xmax-Xmin
R 1 , R 2
Misalkan
, Rm
rata-ratanyaadalah
R
=
R 1+ R 2+ + Rm
m
(6.3)
Sekarang dapat memberi formula untuk membuat Batas Kontrol pada Peta X.
Berdasarkan berikut :
UCL =
x +A2 R
Rata-rata Tengah =
LCL =
(6.4)
x -A2 R
UCL = D4 R
Garis Tengah =
LCL = D3 R
(6.5)
sebagai penaksiran
x adalah
dan
^
R /d2 sebagai penaksiran
UCL =
x +
3
R
d 2 n
Garis Tengah = x
3
LCL = x d 2 n R
(6.7)
R
. Untuk menentukan batas pengendalinya, kita perlu taksirkan R. Dengan
menganggap bahwa karakteristik kualitas berdistribusi normal, estimasi
R
R = d3d2
(6.9)
Dengan demikian, parameter grafik R dengan Batas pengendali 3-sigma yang
biasa adalah
^
+3 d 3 R
R = R
UCL = R+3
d2
Garis Tengah =
(6.10)
LCL =
R3
Dimisalkan
d3
D3 = 1- 3 d 2
Dan
d3
D4 = 1+ 3 d 2
R =
^
3 d 3 R
R
d2
UCL = R D4
Garis Tengah = R
LCL = R D3
Konstan D3 dan D4 Ditabelkan untuk berbagai nilai n dalam table lampiran VI.
Apanila sampel-sampel pendahuluan digunakan untuk membentuk grafik
pengendali x dan R sudah biasa untuk memperlakukan batas pengendali itu
sebagai nilai-nilai percobaan. Maka m min dan rentang sampel harus kita
gambarkan pada grafik-grafik itu dan setiap sampel yang diluar batas pengendali
harus kita selidiki. Apabila sebab-sebab terduga untuk titik-titik ini ditemukan,
titik-titik itu harus dibuang dan ditentukan batas pengendali percobaan yang
baru.
6.3.1. Grafik pengendalian
dan s
dan s seperti
langkah langkah untuk grafik R, kecuali bahwa untuk setiap sampel kita harus
menghitung rata-rata sampel ( x ) dan sampel standar deviasi (s). Tabel 6.3
menyajikan pengukuran diameter dalam memalsukan Otomotif mesin cincin
piston. Setiap sampel atau kelompok terdiri dari lima cincin piston. Kami telah
menghitung rata rata sampel dan standar deviasi sampel untuk masing
masing 25 sampel. Kami akan menggunakan data ini untuk mengilustrasikan
bentuk dan pengoperasian grafik x dan s.
Jika
( x i x )2
s 2= i=1
n1
Dalam Bab 4 (Bagian 4.2) kami mengamati bahwa jika distribusi yang
mendasarinya normal, maka s menaksir C4 , di mana c4 adalah konstan
yang tergantung pada ukuran sampel n. Selain itu, deviasi standar dari s adalah
= 1c 24
pengendali
dan s.
diberikan. Karena E
(s) = C4s, nilai tengah untuk grafik itu adalah C4 . Maka batas pengendali
tiga sigma untuk s adalah
UCL = C4
2
+ 3 1c 4
LCL = C4
2
- 3 1c 4
1c
2
4
dan B6 = C4 + 3
1c
2
4
(6.24)
Akibatnya, parameter grafik s dengan nilai standar deviasi untuk s menjadi
UCL = B6
CL = C4
(6.25)
LCL = B5
Nilai-nilai B5 dan B6 ditabulasikan untuk berbagai ukuran sampel pada
Lampiran Tabel VI. Parameter grafik x dan sekawannya diberikan dalam
persamaan (6.15), bagian 6.2.3.
Jika nilai standar bagi
menganalisa data sebelumnya. Misalkan m sampel awal yang tersedia, masingmasing berukuran n, dan biarkan si adalah deviasi standar dari sampel ke-i. Ratarata standar deviasi m adalah
m
s = 1 si
m i=1
Statistik
s /c 4
s
1c 24
+ 3 c4
CL = s
LCL = s
s
2
- 3 c 4 1c 4
. Oleh
B3 = 1
dan B4 = 1 +
3
1c 24
c4
(6.26)
Akibatnya, kita dapat menulis parameter grafik s sebagai
UCL = B4 s
CL = s
(6.27)
LCL = B3 s
B6
B5
Perhatikan bahwa B 4= c 4 dan B 3= c 4
s /c 4
Ketika
digunakan
untuk
x +
menaksir
kita
dapat
3 s
c4 n
x
x
3 s
c4 n
x + A 3 s
CL =
LCL =
x A3 s
(6. 28)
Perhatikan bahwa
didefinisikan sebagai
s=
telah
diasumsikan
sampel
standar
deviasi
(x i x )2
i=1
(6. 29)
n1