Anda di halaman 1dari 5

TEKNIK PENGENDALIAN KUALITAS

MODUL 11
GRAFIK KONTROL EXPONENTIAL WEIGHTED MOVING AVERAGE













































Disusun Oleh :

AMIN SYUKRON, ST, MT


JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS MERCU BUANA











PUSAT PENGEMBANGAN BAHAN AJAR-UMB











Ir Amin Syukron, MT












TEKNIK PENGENDALIAN KUALITAS











1







TEKNIK PENGENDALIAN KUALITAS
MODUL 11
GRAFIK KONTROL EXPONENTIAL WEIGHTED MOVING AVERAGE


Persaingan dunia usaha saat ini menuntut pada peningkatan kualitas produk
yang baik dan sesuai dengan kebutuhan konsumen,tetapi disamping itu pihak
produksi juga sangat dituntut untuk terus meningkatkan kinerja dan tingkat efisiensi
produksi yang optimal tetapi tetap menjaga kestabilan kualitas produk. Oleh karena
itu peran pengendalian kualitas dalam suatu industri sangat diperlukan untuk
menunjang sasaran yang ingin dicapai oleh manajemen dalam memproduksi produk
yang berkualitas.
Pengendalian kualitas yang baik bukan hanya pada pengecekan kualitas
hasil akhir dari produk,tetapi pada keseluruhan psoses dalam memproduksi barang
tersebut. Pengendalian Kualitas sendiri lebih menekankan pada pegawasan dan
pengecekan pada proses produksi, sehingga dengan terkendalinya proses produksi
maka dapat diharapkan menghasilkan suatu produk yang baik dan sesuai spesifikasi
yang diingankan.
Setiap proses produksi memerlukan teknik dan metode yang sesuai untuk
pengendalian kualitas. Semakin teliti metode pengendalian kualitas yang digunakan,
maka proses tersebut akan semakin terkendali dan produk yang dihasilkan juga akan
semakin terjaga kualitasnya.
Peta kendali telah dikenal secara luas dalam dunia industri dan untuk hal ini
Grafik kontrol Shewhart adalah yang paling dikenal. Tetapi peta kendali Shewhart
memiliki kelemahan yaitu tidak peka untuk mendetekasi perubahan perubahan kecil
yang terjadi pada proses yang berlangsung dengan cukup cepat. Karena alasan ini
maka dilakukan berbagai perubahan dan kriteria tambahan pada grafik kendali
meningkatkan kemampuan untuk mendeteksi pergeseran kecil yang terjadi pada
proses. Untuk hal ini maka diperkenalkan grafik kendali Cumulative Sum ( CUSUM )
dan grafik Kendali Exponentially Weighted Moving Average ( EXPONENTIAL
WEIGHTED MOVING AVERAGE ) yang sangat cocok untuk mendeteksi pergeseran
pergeseran kecil yang terjadi pada proses produksi.
Grafik Kendali EXPONENTIAL WEIGHTED MOVING AVERAGE memiliki beberapa
sifat unik, khususnya :
1. Semua data yang dikumpulkan dari berbagai periode waktu bisa digunakan
untuk mengukur status kendali pada sebuah proses.







PUSAT PENGEMBANGAN BAHAN AJAR-UMB








Ir Amin Syukron, MT








TEKNIK PENGENDALIAN KUALITAS








2







2. EXPONENTIAL WEIGHTED MOVING AVERAGE sering kali lebih unggul
dari pada pemetaan dengan Teknik CUSUM untuk perubahan perubahan
yang lebih besar.
3. Skema EXPONENTIAL WEIGHTED MOVING AVERAGE bisa di aplikasikan
untuk memonitor standar deviasi pada penambahan nilai rata-rata pada suatu
proses.
4. Dengan menggunakan skema EXPONENTIAL WEIGHTED MOVING
AVERAGE bisa diramalkan nilai rata rata dari suatu proses.
5. Metodelogi EXPONENTIAL WEIGHTED MOVING AVERAGE tidak sensitif
terhadap asumsi asumsi secara normal.
Pada umumnya kualitas produk yang diukur berdasarkan peta atribut yaitu dengan
melihat cacat atau baik menggunakan peta-p. Tetapi pada kasus dimana pada satu
produk terdapat jenis cacat lebih dari satu, maka digunakan peta-c. Dalam kasus
yang demikian, biasanya jumlah cacat berdistribusi Poisson. Poisson
EXPONENTIAL WEIGHTED MOVING AVERAGE (Exponentially Weighted Moving
Average) adalah peta kendali yang efektif pada situasi dimana jumlah
ketidaksesuaian per unit berasal dari proses produksi yang dimonitor ulang. Tujuan
dalam penelitian ini adalah membandingkan peta kendali Poisson EXPONENTIAL
WEIGHTED MOVING AVERAGE dan peta-c. Peta kendali EXPONENTIAL
WEIGHTED MOVING AVERAGE digunakan untuk memonitor data Poisson.
Prosedur peta dievaluasi dengan perhitungan ARL untuk peta Poisson
EXPONENTIAL WEIGHTED MOVING AVERAGE dengan menggunakan
pendekatan rantai Markov. Karena antara titik-titik yang diplot dalam peta tidak saling
bebas.
EXPONENTIAL WEIGHTED MOVING AVERAGE merupakan alternatif dari digram
kontrol Shewhart jika terdapat perubahan kecil . Diagram kontrol EXPONENTIAL
WEIGHTED MOVING AVERAGE dapat memperkirakan ekuivalen pada diagram
kontrol CUSUM sehingga sangat mudah untuk dioperasikan. Sama dengan digram
kontrol CUSUM, EXPONENTIAL WEIGHTED MOVING AVERAGE dapat digunakan
untuk observasi individual dan rational subgroup dengan ukuran sampel n >1


Diagram Kontrol EXPONENTIAL WEIGHTED MOVING AVERAGE Untuk
Memonitor Proses Mean










PUSAT PENGEMBANGAN BAHAN AJAR-UMB










Ir Amin Syukron, MT










TEKNIK PENGENDALIAN KUALITAS










3


i
iii i
ii
zi = (1 )
Jika (1 ) adalah pengurangan dari mean sampel, rumusnya sebagai berikut:
1 (1 )i (
( = 1 (1 )































Sama dengan diagram kontrol CUSUM, diagram ini juga digunakan untuk
memonitor rata-rata dari suatu proses. Rumusnya sebagai berikut:

zi = x +(1) zi1

dimana 0 < o 1 adalah konstant (sampel pertama i=1) maka z 0 = 0
Rumus EXPONENTIAL WEIGHTED MOVING AVERAGE rata rata dari semua rata-
rata sampel sebelumnya yaitu:
z =x +(1)|x1+(1)z 2|

zi = x + (1)| x 1

+ (1)2 zi2|




untuk j = 2,3,.,t , rumusnya adalah:

i 1

j =0


j

|xi1


+ (1 )i z0

|

j


i

1




j =0 1 (1 )



i




PUSAT PENGEMBANGAN BAHAN AJAR-UMB




Ir Amin Syukron, MT





TEKNIK PENGENDALIAN KUALITAS




4
Jika observasi xi adalah variabel random yang independent dengan varians ( ,
( | 1 (1 )
(1 (1 ) )
(1 (1 ) )
(
L( 1 (1 f )1+( ( t 1)
(1 (1 ) 2t ||







2

maka varians dari z i sebagai berikut:
2 | |
\ 2 .

2i
)

Batas kontrol dari diagram kontrol EXPONENTIAL WEIGHTED MOVING AVERAGE
adalah:

UCL = 0 + L(
Garis tengah = 0


(2 )


2i

LCL = 0 L(
atau

UCL = 0 + L(

LCL = 0 L(


(2 )



(2 )

(2 )


2i

di mana L adalah lebar dari batas kontrolnya.










2.1.2.2. Perluasan dari EXPONENTIAL WEIGHTED MOVING AVERAGE (
Extensions of the EXPONENTIAL WEIGHTED MOVING AVERAGE )
Perluasan dari EXPONENTIAL WEIGHTED MOVING AVERAGE terdiri atas
Fast Initial Response Feature, The EXPONENTIAL WEIGHTED MOVING AVERAGE
for poisson data, dan EXPONENTIAL WEIGHTED MOVING AVERAGE as Predictor
of process level. Pada Fast Initial Response Feature, jika menggunakan single
control dengan perubahan kejadian pendekatan waktu pada sampel pertama, maka
digunakan exponentially decreasing adjustment atau pengurangan penyesuaian
secara eksponensial. Rumusnya sebagai berikut:


|
\


)



2


|
.




PUSAT PENGEMBANGAN BAHAN AJAR-UMB




Ir Amin Syukron, MT





TEKNIK PENGENDALIAN KUALITAS




5