x T x T ) 1 ( ) ( with a
2
log and 100 / 1 b a .
The equation is often refereed as a manufacturing progress curve.
1. Read through the Illustration 2 (page 18-20 in Meyer book) carefully.
Criticize the model above. Explain why the model proposed by Conway and
Schultz is better than the above equation.
2. Browse the internet, find an article on manufacturing progress curve. Make a
summary about the article and discuss and compare the model therein to
Wrights model.
3. Try to make your own model regarding manufacturing progress curve
7
Appendix II: Example of Lecturers solution to problem 3 (In Indonesian).
Konstruksi Persamaan Perbaikan Produksi Melalui Sistem Dinamis
Abstract
In this paper we discuss a learning curve or manufacturing progress curve of an industrial
process. An equation describing this process will be derived by solving a modified logistic
differential equation. This derivation is slightly different to that usually done in many industrial
engineering literatures. It is shown that the solution to this modified equation satisfies all
properties needed by a manufacturing learning curve.
Pendahuluan
Dalamberbagai bidang industri dikenal sebuah fenomena dimana apabila jumlah suatu
produk berlipat, maka rata-rata waktu yang diperlukan untuk membuat per satuan produk tersebut
berkurang. Hal ini salah satunya dikarenakan adanya proses pembelajaran, yang berakibat dengan
berjalannya waktu maka berbagai faktor yang menghambat proses produksi pada industri tersebut
dapat diatasi. Istilah lain yang banyak dipakai untuk menggambarkan fenomena ini adalah
"learning curve", "experience curve", "learning by doing" atau "learning by use" (Argote dkk,
1990). Dampak pembelajaran tersebut untuk pertama kalinya, secara matematis dipelajari oleh
Wright (1936) dengan mempelajari berbagai faktor yang dapat mempengaruhi biaya pembuatan
pesawat terbang. Dalampaper ini akan dibahas ulang model Wright tersebut. Selain itu juga akan
dibahas sebuah pendekatan alternatif.
Alternatif lain yang eqivalen untuk menggambarkan performance produksi adalah dengan
menggambarkan grafik jumlah kesalahan atau biaya per unit produk terhadap waktu atau jumlah
produk, yang secara teoritis akan mempunyai bentuk yang sama dengan grafik waktu produksi
per unit produk terhadap banyaknya produk. Melalui pendekatan sistemdinamis, yakni dengan
melihat laju perubahan kesalahan produksi, dalampaper ini akan dibuat suatu model yang dapat
menggambarkan apakah terjadi pembelajaran (perbaikan produksi) atau tidak dalamsuatu proses
produksi.
Model Kurva Perbaikan Produksi Wright
Pengamatan yang dilakukan Wright (1936) memperlihatkan bahwa biaya yang
diperlukan untuk membuat sebuah pesawat terbang berkurang sebesar 20% setiap produksi
berlipat dua dari sebelumnya. Dalammodel yang dikembangkannya, Wright berasumsi bahwa
apabila jumlah suatu produk berlipat dua, maka rata-rata waktu yang diperlukan untuk membuat
per satuan produk tersebut berkurang sebesar b%. Dari asumsi tersebut dapat diturunkan
pernyataan-pernyataan matematis berikut.
Misalkan T(n) adalah waktu yang diperlukan untuk membuat produk ke-n. Dari asumsi
tersebut dapat disimpulkan bahwa waktu yang diperlukan untuk menghasilkan produk ke i=2
n
,
(n=0,1,2,3, ) adalah
n n
a T T ) 1 ( ) 2 ( ,
1
dengan a=1-b/100. Rumus tersebut hanya berlaku untuk bilangan yang merupakan perpangkatan
dari 2. Untuk memperumumrumus di atas, maka persamaan tersebut diubah ke dalambentuk
x
a T x T
2
log
) 1 ( ) ( .
2
8
Dengan mengambil logaritmanya maka diperoleh
a
x T a x T x T
2
log
2 2 2 2 2 2
log )) 1 ( ( log log log )) 1 ( ( log ) ( log + +
) ) 1 ( ( log ) ( log
2 2
x T x T
atau
x T x T ) 1 ( ) (
3
dengan a
2
log . Persamaan terakhir ini dinamakan persamaan perbaikan produksi yang juga
dikenal dengan nama manufacturing progress curve. Karena 1 0 a , maka kurva T(x) berupa
kurva eksponen negatif, seperti tampak pada gambar 1.
Progress Curve
0
20000
40000
60000
80000
100000
120000
0 20 40 60 80 100 120
Nomor Produksi
W
a
k
t
u
P
r
o
d
u
k
s
i
Gambar 1: Kurva perbaikan produksi dengan derajat perbaikan dari atas ke bawah masing-masing
10%, 20% dan 30%.
Sebuah kelemahan dari model di atas dapat dijelaskan sebagai berikut. Karena 0 <
maka 0 ) 1 (
lim
) (
lim
x T
x
x T
x
, artinya apabila jumlah produksi sangat besar maka
tidak diperlukan waktu untuk menghasilkan produk terakhir tersebut. J elas hal ini tidak realistik.
Dalamhal ini persamaan perbaikan produksi tersebut dapat dimodifikasi menjadi lebih realistik,
yakni
x T T x T
c 0
) ( +
4
dengan Tc dan T0 merupakan konstanta yang nilainya bergantung kepada data produksi. Dalam
hal ini apabila jumlah produksi cukup banyak maka waktu yang diperlukan untuk memproduksi
satu unit produk adalah konstan. Hal ini cukup realistik.
Namun, kalau diperhatikan kurva dari persamaan (4), yang merupakan translasi vertikal
dari kurva persamaan (3) pada gambar 1, dapat disimpulkan bahwa efek pembelajaran terasa
langsung di saat-saat awal. Bahkan efeknya jauh lebih besar di saat-saat awal dibandingkan di
saat berikutnya. Hal ini juga tidak realistik mengingat pada kenyataannya dampak pembelajaran
tersebut memerlukan waktu. Kurva yang lebih realistik adalah yang berbentuk mirip dengan
hurup S terbalik. Berkaitan dengan hal ini, Banker dkk (1997) memberikan suatu alternatif untuk
menggambarkan kurva perbaikan produksi tersebut dengan mempelajari hubungan antara laju
kesalahan produksi dengan waktu sejak produksi dimulai.
9
Model Laju Kesalahan Produksi Banker
Misalkan x=f(t) menunjukkan jumlah kesalahan produksi pada saat t. Grafik yang
diharapkan dari x terhadap t adalah seperti pada gambar 2 berikut.
Gambar 2: Kurva laju kesalahan produksi terhadap waktu
Kurva seperti pada Gambar 2 dapat diperoleh apabiladx/dt<0 untuk setiap saat t. Selain itu nilai
absolut dari dx/dt membesar secara perlahan pada saat awal, kemudian semakin membesar
dengan kecepatan perubahan yang membesar dan mencapai puncak di titik infleksi tinf. Setelah itu
nilai absolut dx/dt tersebut mengecil. Secara matematis, syarat cukup agar diperoleh kondisi di
atas adalah
t
dt
dx
, 0
5
inf 2
2
, 0 t t
dt
x d
<
6
inf 2
2
, 0 t t
dt
x d
7
inf 2
2
, 0 t t
dt
x d
>
8
t
dt
x d
, 0
3
3
9
Persamaan (5)-(9) dapat dipakai sebagai kriteria untuk menentukan apakah dalamsebuah
proses produksi terjadi pembelajaran atau tidak. Sebagai ilustrasi, misalnya Banker dkk (1997)
mempelajari data tentang pengaruh team-work terhadap kualitas produksi dengan melihat
10
banyaknya kesalahan yang terjadi secara longitudinal. Dari data ini dilakukan regresi polinom
derajat 3, yakni
3 2
) ( t t t t f x + + +
10
Dengan menurunkan x terhadap t akan diperoleh
2
3 2 / t t dt dx + + ,
t dt x d 6 2 /
2 2
+ dan 6 /
3 3
dt x d . Kriteria terjadinya proses pembelajaran dapat
ditentukan dengan melihat apakah kondisi (5)-(9) terpenuhi atau tidak, dengan tinf merupakan
akar dari persamaan 0 6 2 /
2 2
+ t dt x d , yakni 3 /
inf
t .
Penggunaan regresi terhadap polinomderajat 3 yang dilakukan Banker dkk bermanfaat
untuk memperoleh model keberhasilan team-work dalam rentang waktu dimana data tersedia,
tetapi mungkin tidak dapat diekstrapolasi. Sebuah counter example tentang penggunaan polinom
derajat 3 untuk menggambarkan kurva perbaikan produksi akan diberikan oleh contoh hipotetis
yang diambil dari Meyer (1984).
Soal no 14 halaman 21 pada buku Meyer meminta model fungsi kemajuan produksi
untuk data berikut
J umlah Produksi 1 2 4 8
J amPekerja 32000 25600 20480 16384
J awaban untuk soal di atas adalah
322 , 0
32000 ) (
x x T dengan laju perbaikan produksi 20%.
Akan tetapi apabila soal ini sedikit dimodifikasi, jam pekerja diganti dengan banyaknya
kesalahan, di mana keduanya menggambarkan fenomena yang sama, yakni perbaikan produksi,
maka dengan menggunakan regresi polinom derajat 3 (leastsquare, Maple V) diperoleh
persamaan
3 2
7 / 1024 2304 12288 7 / 294912 ) ( x x x x Y + . Kurva untuk kedua persamaan
tersebut terlihat pada gambar 3. Kondisi (5)-(9) yang disyaratkan Banker dkk tidak terpenuhi
(contohnya t dt x d < , 0 ) 7 / 1024 ( 6 /
3 3
). Bahkan untuk nilai x yang sangat besar Y(x)
bernilai negatif, yang sangat tidak realistik. Dalambagian selanjutnya akan dibahas bagaimana
mengkonstruksi suatu persamaan yang memenuhi kondisi (5)-(9) di atas melalui sistemdinamis.
Gambar 3: Kurva Banker (gambar a) dan kurva Wright (gambar b)
11
Persamaan Implisit Perbaikan Produksi
Dalambagian ini perbaikan produksi akan dicirikan oleh penurunan jumlah kesalahan
produksi. Kurva perbaikan yang diharapkan, seperti pada gambar 2, mirip dengan solusi
persamaan diferensial logistik
2
/ bx ax dt dx yang mempunyai dua solusi setimbang (steady
state solution), yakni x=0 yang tidak stabil dan x=a/b yang stabil (Braun, 1982, hal. 29). Solusi
lain dengan nilai awal x0 (0<x0<a/b) mempunyai trayektori seperti pada gambar 4c. Dengan ide
yang sama kita dapat membuat persamaan diferensial untuk menggambarkan laju perubahan
banyaknya kesalahan yang dibuat. Diasumsikan bahwa dari waktu ke waktu banyaknya
kesalahan berkurang dan perubahannya sebanding dengan kesalahan yang sudah dibuat. J ika x(t)
menunjukkan banyaknya kesalahan pada waktu t, maka dinamik dari banyaknya kesalahan
tersebut diberikan oleh
ax
dt
dx
. 11
Karena perubahannya sebanding dengan jumlah kesalahan, maka semakin banyak
kesalahan perubahan semakin besar. Hal ini tidak kurang realistik karena tidak memuat faktor
kejenuhan yang dapat meredamlaju perubahan tersebut. Diasumsikan bahwafaktor kejenuhan
ini sebanding dengan kwadrat jumlah kesalahan, sehingga dinamik dari jumlah kesalahan
tersebut akan berbentuk
) (
2
x f bx ax
dt
dx
+ . 12
Untuk melihat sifat solusi dari persamaan di atas akan dipelajari solusi setimbang (titik tetap) x=0
dan x=a/b yang diperoleh dari kondisi f(x)=0. Kestabilan dapat dilihat dengan memeriksa tanda
dari ) ( ' x f di kedua titik ini, yakni 0 ) 0 ( ' < a f dan 0 ) / ( ' > a b a f , yang berarti x=0
stabil dan x=a/b tidak stabil (lihat Hale & Kocak, 1991, hal. 17-18 untuk definisi dan syarat
kestabilan). Sehingga kurva solusi untuk nilai awal x0 (0<x0<a/b) seperti pada gambar 4a. Kurva
ini terlalu ideal, karena pada akhirnya jumlah kesalahan akan nol. Untuk memperbaikinya kita
lakukan langkah berikut.
Dengan mengikuti cara yang sama, kurva yang diinginkan harus merupakan kurva dari
persamaan x(t) yang merupakan solusi persamaan diferensial yang mempunyai titik tetap x=c
yang stabil dan x=a/b yang tidak stabil. Kedua titik tetap berasal dari persamaan
) ( ) )( ( x g a bx c x
dt
dx
. 13
Kitaklaimbahwa x=c stabil dan x=a/b tidak stabil apabila dipenuhi syarat c<a/b. Hal ini dapat
dibuktikan sebagai berikut. Turunan pertama dari g(x) adalah ) ( 2 ) ( ' bc a bx x g + , sehingga
0 ) ( 2 ) ( ' < + a bc bc a bc c g apabila c<a/b . Dengan alasan yang sama diperoleh
0 ) ( ) / ( 2 ) / ( ' > + bc a bc a b a b b a g .
12
Gambar 4: Kurva logistik (gambar c), kurva laju kesalahan produksi dari persamaan 12 (gambar
a) dan kurva laju kesalahan produksi dari persamaan 13 (gambar b).
Selanjutnya dapat diperlihatkan bahwa kondisi (5)-(9) yang diinginkan Banker dkk
dipenuhi oleh persamaan x=x(t) ini, apabila 0<c<x<a/b, yakni:
t a bx c x
dt
dx
< , 0 ) )( ( 14
b
bc a
t t bc a bx
dt
x d
2
, 0 ) ( 2
inf 2
2
+
< < +
15
b
bc a
t t bc a bx
dt
x d
2
, 0 ) ( 2
inf 2
2
+
+
16
b
bc a
t t bc a bx
dt
x d
2
, 0 ) ( 2
inf 2
2
+
> > +
17
t b
dt
x d
> , 0 2
3
3
18
J adi kurva yang dapat menggambarkan proses perbaikan produksi adalah kurva dari persamaan
yang merupakan solusi dari persamaan diferensial (13) dengan 0<c<x<a/b, seperti diperlihatkan
pada gambar 4b.
Konstruksi Persamaan Perbaikan Produksi
Dalambagian ini akan dicari persamaan perbaikan produksi secara eksplisit sebagai
solusi dari persamaan diferensial (13) dengan
b a x c / 0 < < < . 19
Apabila ruas kanan dari persamaan (13) tidak nol, maka persamaan tersebut dapat ditulis sebagai
dt
a bx c x
dx
) )( (
. 20
Ruas kiri padapersamaan tersebut dapat diubah sehingga persamaan menjadi
13
dt
a bx
bdx
c x
dx
a bc
,
_
+
1
.
21
Dengan mengintegralkan kedua ruas maka diperoleh
( )
1
ln ln
1
K t a bx c x
a bc
+
, 22
Dengan K1 merupakan konstanta integrasi. Selanjutnya persamaan ini dapat diubah sebagai
berikut:
) )( ( ln ln ln
1
a bc K t
a bx
c x
a bx c x +
,
23
atau
) )( (
1
a bc K t
e
a bx
c x
+
.
24
Selanjutnya karena syarat persamaan (19) harus dipenuhi dan dengan memisalkan
a bc D maka diperoleh
) (
1
K t D
e
bx a
c x
+
, 25
atau
) (
1
) (
K t D
e bx a c x
+
. 26
Dengan penulisan ulang diperoleh
c ae be x
K t D K t D
+ +
+ + ) ( ) (
1 1
) 1 ( . 27
Dari persamaan terakhir dapat diperoleh bentuk eksplisit dari x sebagai fungsi dari t, yaitu
2
2
) (
) (
1 1 1
1
1
1
1
K be
c K ae
e be
c e ae
be
c ae
x
Dt
Dt
DK Dt
DK Dt
K t D
K t D
+
+
+
+
+
+
+
+
.
28
KonstantaK2 dapat ditentukan dari nilai awal x(0)=x0, yakni
0
0
2
bx a
c x
K
. Perhatikan bahwa
nilai D<0, sehingga c t x
t
) (
lim
. Dengan demikian dapat disimpulkan bahwa persamaan (28)
merupakan persamaan eksplisit yang kita cari sebagai persamaan perbaikan produksi.
Kesimpulan
Dalampaper ini telah dikonstruksi sebuah model yang dapat menggambarkan proses
perbaikan produksi yang mengakomodir learning process dengan memanfaatkan sifat-sifat
sistemdinamis. Dengan menyederhanakan notasi secara umumpersamaan perbaikan produksi
akan berbentuk
Bt
Bt
De
C Ae
t x
+
+
1
) ( ,
29
Dengan A, B, C dan D konstanta-konstanta positif.
14
Referensi:
1. Argote, L., Beckman, S.L. and Epple, D. (1990). The Persistence and Transfer of
Learning in Industrial Settings, Management Science Vol. 36 No. 2, pp. 140-154.
2. Banker, R.D, J .M. Field dan K.K. Sinha (1997). Workteam Implementation and
Trajectories of Manufacturing Quality: a Longitudinal Field Study. Internet.
3. Braun, M. (1982). Differential Equations and Theirs Applications. Springer-Verlag, New
York.
4. Dutton, J .M. and Thomas, A. (1984). Treating Progress Functions as a Managerial
Opportunity, Academy of Management Review Vol. 9 No. 2, pp. 235-247.
5. Hale, J . & H. Kocak (1991). Dynamics and Bifurcations. Springer-Verlag, New York.
6. Meyer, W.J . (1984). Concept of Mathematical Modeling. McGraw-Hill Int. Edn.,
Singapore.
7. Wright, T.P. (1936). Factors Affecting the Cost of Airplanes, Journal of Aeronautical
Science Vol. 3, p. 122.
8. Yelle, L.E. (1979). The Learning Curve: Historical Review and Comprehensive Survey,
Decision Sciences Vol. 10, pp. 302 328.
15
Appendix III: Example of Lecturers solution to problem 3.
Parameter Determination in Manufacturing Progress Curve with Three Points of Data
Abstract
In this paper we discus a method to find thevalues of parameters in amanufacturing progress curvebased
on threepoints of data. In general to find better parameter estimation weneed alot of data. However, in
some circumstances, the numbers of data are limited or even scarce, especially in the beginning of a
manufacturing process. For this reason, wedevelop asimplemethod to determine the values of parameters
if only threedataareavailable. Thecurvewearedealing with is an inverse-likesigmoid that can describea
learning process in thebeginning phaseand has alower bound in thelong-termphase, henceareasonably
realistic curve.
Keywords: Manufacturing progress curve, curvefitting, sigmoid curve.
Introduction
In many industrial or manufacturing processes there is a phenomenon that when the numbers of product
multiplies or when the timeof production goes on then the averagetimeneeded to produceaunit product
decreases. Among thereasons is becauseof thelearning process, in which by thetimegoes on therewill be
some improvement in the process. A mathematical termto describe this phenomenon is known as a
learning curve or an experience curve (Yelle, 1979; Argoteet al., 1990). Wright (1936) was among the first
who investigated theeffect of this kind of learning in amanufacturing process by studying various factors
affecting the cots of aircraft production. This curve is able to describe the performance of the aircraft
manufacturing process.
An equivalent alternativeto figureout theperformanceof amanufacturing process is by acurve
showing thenumbers of production faulty or theper capitacost level as afunction of timeor thenumbers
of product. The curve will have a similar formto the curve showing the time needed to produce a unit
product against thetotal numbers of product. If x(t) denotes thenumbers of production error in thetime of
t, then Supriatnaand Husniah (2004) show that theproduction progress curvecan bedescribed by equation
K be
c K ae
t x
t t D
t t D
) (
) (
0
0
1
) (
+
+
.
1
where a, b and c are positive constants satisfying b a x x c / 0
0
< < < < , 0 < a bc D . The
constant K can be obtained fromthe initial value x(t0)=x0, that is
0
0
bx a
c x
K
+
+
+
+
.
2
It can berewritten in theformof
1 1
1 1 1
,
_
+
+
x
c
x
a
b K e
x
c K ae
K be
t D
t D
t D
.
3
Solving for t, wefind thefollowing expression
( ) a bx K
x c
x
a
b K
x
c
e
t D
,
_
1
1
1
1
1
.
4
Analogously, for ) (
2
t x , wehave
( ) a bx K
x c
x
a
b K
x
c
e
t D
,
_
2
2
2
2 2
1
.
5
Next, from (5) and (4), it can beobtained that
( ) ( )
2
1
1
2
2
,
_
a bx K
x c
a bx K
x c
6
or
( )( )
( )( )
( ) ( )
( ) ( )
( )
( )
( ) ( )
( )( )
2
1 0
0
2
1
2
2
2
1
2
0
2
0
2
1
2 0
0 2
a bx c x
bx a x c
a bx
x c
a bx c x
bx a x c
a bx c x
bx a x c
,
7
which can berearranged into
( )( )
( )
( ) ( )( )
0 2
2
1 2
1
0 2
bx a a bx a bx
x c
c x x c
.
8
Furthermore, if
( )( )
( )
2
1
0 2
x c
c x x c
, then equation (8) becomes
( ) ( )
2 0
2 2
0 2
2
1
2
1
2
2 x x b a x x ab a abx x b + + .
9
which can besimplified into
( ) ( ) 0 ) 1 ( 2
2
0 2 1 2 0
2
1
2
+ + + + + a x x x ab x x x b .
10
( ) ( ) 0 ) 1 ( 2
2
0 2 1 2 0
2
1
+
,
_
+ + + +
b
a
x x x
b
a
x x x .
11
Consequently
b
a
can beobtained as apositiveroot of equation (11), say
17
R
x
b
a
.
12
Determining the values of a and b
Thefollowing procedureis doneto find theexplicit forms of a and b. Notethat equation (2) can
bewritten in theforms of
( ) ( )
( ) ( ) c x e
x
a
bx a
bx a c c x ae
bx a
c x
e
x
a
c
bx a
c x
ae
K e
x
a
c K ae
K be
c K ae
x
t D
R
t D
t D
R
t D
t D
R
t D
t D
t D
+
+
+
+
+
+
+
+
0 0
0 0
0
0
0
0
1
1 1
1
.
( ) ( ) ( ) ( )
0 0 0 0 1
bx a c c x ae c x e
x
a
bx a x
t D t D
R
+
1
]
1
+
.
13
( ) ( )
,
_
+
1
]
1
,
_
0 0 0 0 1
x
x
a
a c c x ae c x e
x
a
x
x
a
a x
R
t D t D
R R
.
14
Thetwo sides of this equation aredivided by a and changed into
( )
,
_
,
_
,
_
,
_
0
1
1 0 0
1
1
1 1 x
x
x
x x
x
c c x
x
x
e
R R R
t D
.
15
( ) ( )
,
_
,
_
,
_
0 1 0
1
1
1 1 x
x
x c c x
x
x
e
R R
t D
.
16
( )
( )
( )
( )
,
_
,
_
,
_
,
_
R
R
R
R t D
x
x
x c
x
x
x c
c x
x
x
x
x
x c
e
1
0
0
1
0
1
0 1
1
1
1
1
1
.
17
18
Hence
( )
( )
,
_
,
_
R
R
x
x
x c
x
x
x c
t D
1
0
0
1
1
1
ln or
( )
( )
,
_
,
_
R
R
x
x
x c
x
x
x c
t a bc
1
0
0
1
1
1
ln ) ( , and finally we obtain
( )
( )
,
_
,
_
,
_
R
R
R
x
x
x c
x
x
x c
t a c
x
a
1
0
0
1
1
1
ln . Thelast equation gives theexplicit formof a , that is
( )
( )
,
_
,
_
,
_
,
_
R
R
R
x
x
x c
x
x
x c
t
x
c
a
1
0
0
1
1
1
ln
1
1
.
18
Theexplicit formof b can beobtained straight away, that is
R
x
a
b
19
In this case
R
x is given by equation (12) as thepositiveroot of (11).
A Numerical Example
In this section we provide a numerical example to illustrate the method. Suppose three data
measuring thenumbers of faulty product at times t=0, t=25 and t=50 areknown. They are 19800 ) 0 ( x ,
8200 ) 25 ( x and 5050 ) 50 ( x . It is clear that the time intervals are uniform, that is
1 2 0 1
25 50 25 0 25 t t t t t . Furthermoreit is also known that thelower bound of
the numbers of product is 5000 c . Solving equation (11) and (12), we find
21053 . 20508
R
x
b
a
. Thevalueof a can becomputed from(18) yielding 2320436185 . 0 a ,
and thevalue of b can beobtained from(19) to give 6922 0000113146 . 0 b . Maples output shows
that the curve of equation (1) is exactly passing these three known data (Figure 1), this shows the
accurateness of themethod presented here.
19
Figure1
Thecurveof themanufacturing progress equation (1) with thevalues of parameters fromequations (11),
(12), (18) and (19). All thethreedatapoints lieexactly on thecurve.
Concluding Remark
In this paper we havedeveloped asimplemethod to obtain amanufacturing progress curvebased
on three known points of data. This method gives a very good solution, that the resulting curve exactly
passes all thethreedata. However, to usethemethod described in this paper weneed to know the lower
bound value c. In practice, this value is might be difficult to obtain in the beginning phase of a
manufacturing process. It suggests afuturedirection of afurther investigation. Weneed amethod that free
fromthis additional requirement.
References:
1. Argote, L., Beckman, S.L. and Epple, D. (1990). The Persistence and Transfer of Learning in
Industrial Settings, Management Science Vol. 36 No. 2, pp. 140-154.
2. Husniah H. and A.K. Supriatna (2004). The Construction of a Manufacturing Progress Curve
Through aDynamic System. Integrative Mathematics Vol. 3.
3. Wright, T.P. (1936). Factors Affecting the Cost of Airplanes, Journal of Aeronautical Science
Vol. 3, p. 122.
4. Yelle, L.E. (1979). TheLearning Curve: Historical Review and ComprehensiveSurvey, Decision
Sciences Vol. 10, pp. 302 328.
Appendix:
The Derivation of Equation (1)
dt
a bx c x
dx
) )( (
.
20
TheLHS of theequation is re-arranged and both sides arethen integrated as follows.
,
_
+
t
t
x
x
x
x
dt
a bx
bdx
c x
dx
a bc
0 0 0
1
.
Theintegration yields:
0
0 0
ln ln
1
t t
a bx
a bx
c x
c x
a bc
,
_
,
( )( )
( )( )
) )( ( ln
0
0
0
a bc t t
a bx c x
a bx c x
,
( )( )
( )( )
) )( (
0
0 0
a bc t t
e
a bx c x
a bx c x
.
( )( ) ( )( )
) )( (
0 0
0
a bc t t
e a bx c x a bx c x
( )
( )
( )
( )
) )( (
0
0 0
a bc t t
e a bx
a bx
c x
c x
( )
( )
( )
( )
) )( (
0
0
0
0 0
1
a bc t t
e
a bx
c x
a c
a bx
c x
b x
,
_
( )
( )
( )
( )
1
) (
0
0
) )( (
0
0 0
+
bx a
c x
b
c e
bx a
c x
a
t x x
a bc t t
.