Model time series adalah suatu pendekatan yang digunakan yang telah terbukti berguna
dalam menangani data yang berautokorelasi.
Deret Waktu (Time series) adalah serangkaian pengamatan terhadap suatu variabel yang
diambil dari waktu ke-waktu dan dicatat secara berurutan menurut urutan waktu kejadiannya
dengan interval waktu yang tetap (Wei, 1990).
Pada pendekatan ini yang digambarkan pada peta kendali yaitu residual.
Misalnya model karakteristik kualitas xt yaitu:
x t=+ X
t1
+ t
Dimana:
dan
Xt
12 1 /2
(
1
)
,
memiliki mean
standard deviasi
dan observasi yaitu k periode
/
terpisah (
Xt
dan
X t k
k
yang memiliki koefisien korelasi
Pengaruh autokorelasi pada performansi statistika peta kendali shewhart dipelajari oleh
Harris and Ross (10), Cook (6).
Konsensus dari penelitian sebelumnya memiliki hasil autokorelasi positif di peningkatan
sinyal variasi penyebab khusus pada peta kendali. Semua tipe control chart untuk
memonitoring rata rata proses dipengaruhi oleh autokorelasi positif, termasuk peta kendali
Shewhart, Peta kendali individu X, dan peta kendali EWMA.
Pendekatan teoritis untuk merencanakan data autokorelasi untuk pengamatan individu
didasarkan pada first order stationary autoregressive model AR (1). Bentuk model adalah:
Z t +1= Zt +at +1
Dimana:
Zt
= disturbance pada beberapa karakteristik kualitas dari target value di periode waktu t
Z t +1 = disturbance pada beberapa karakteristik kualitas dari target value di periode waktu
t+1
at
at
Wheeler and Gilbert, membagi 2 solusi yang praktis untuk mengembangkan peta kendali
pada pengamatan individual untuk data yang berautokorelasi. Wheeler menggambarkan
solusi untuk perhitungan peta kendali pada pengamatan individu untuk model AR (1) yaitu:
Dimana
mR