T 09 Peta Kendali Khusus PDF
T 09 Peta Kendali Khusus PDF
TOPIK 9
PETA KENDALI KHUSUS
1
TI 3221 PENGENDALIAN KUALITAS STATISTIK
2
TI 3221 PENGENDALIAN KUALITAS STATISTIK
3
3. CUMULATIVE
TI 3221 SUM (CUSUM)
PENGENDALIAN KUALITAS STATISTIKCONTROL CHART
Kelebihan :
Menggunakan informasi yang terkandung dalam observasi sebelumnya.
Dapat mendeteksi pergeseran kecil.
Jumlah kumulatif pada sampel ke-m :
m
S m = ∑ X i − µo( )
i =1
dimana X i = rata − 2 sampel ke - i & µo = target rata - 2 proses
Batas Kendali (V-Mask) :
∆X
Jika ∆X = besar pergeseran yang ingin dideteksi , pergeseran relatif rata - 2 proses : δ =
σX
2 1− β
Jarak pemandu V - mask : d= ln
δ 2 α
2
Jika probabilitas Error Tipe II , β , dipilih sangat kecil, maka : d =− ln(α )
δ2
∆X
Sudut lengan V - mask : θ = tan-1 , dimana
2k
k = faktor skala yang merepresentasikan unit skala vertikal pada peta
Rekomendasi : k antara σ X dan 2σ X
1
Average Run Length : ARL =
p
p = probabilitas bahwa satu titik akan jatuh di luar batas kendali
Untuk 3σ pada peta kendali Shewhart, di mana proses dalam kendali, p = 0,026.
LD, Semester II 2003/04 Hlm. 7
3. CUMULATIVE
TI 3221 SUM (CUSUM)
PENGENDALIAN KUALITAS STATISTIKCONTROL CHART
Contoh:
Untuk pengendalian persentase kandungan kalsium dalam obat dilakukan pengecekan terhadap
15 subgrup dengan n=5. Target rata-rata yang diinginkan adalah 26,5% dengan deviasi standar
0,2%. Diinginkan peta kendali yang dapat memonitor pergeseran 0,1 dari rata-2 proses.
Diasumsikan tingkat error tipe I = 0,05.
∆X ∆X 0 ,1
DATA HASIL SAMPLING δ = = = = 1,124
σ X σ / n 0 ,2 / 5
Sub- Rata-2 Deviasi dari Cumsum 2 2
d =− ln(α ) = − ln(0 ,05 ) = 5 ,742
grup Subgrup Target (Si) δ2 (1,124 )2
1 25,5 -1,0 -1,0 Untuk k = 0,125 , maka
2 26,0 -0,5 -1,5 ∆X
3 26,6 0,1 -1,4 θ = tan -1 = tan -1 0 ,1 = tan − 1 (0 ,4 ) = 21,8 o
2k 2(0 ,125 )
4 26,8 0,3 -1,1
5 27,5 1,0 -0,1
6 25,9 -0,6 -0,7
7 27,0 0,5 -0,2
8 25,4 -1,1 -1,3
9 26,4 -0,1 -1,4
10 26,3 -0,2 -1,6
11 26,9 0,4 -1,2
12 27,8 1,3 0,1
13 26,2 -0,3 -0,2
14 26,8 0,3 0,1
15 26,6 0,1 0,2
LD, Semester II 2003/04 Hlm. 8
4
TI 3221 PENGENDALIAN KUALITAS STATISTIK
w
x t + x t −1 + x t − 2 + ..... + x t − w+1
x = M t= ∑x t
w x = M t= t =1
, t = 1,2,....., w − 1
w = lebar − MA t
σ2 CL = x = M t
Var ( xt ) =
n σ
1 t
1 t σ2 σ2 UCL / LCL = x ± 3 , berubah _ sesuai _ t
Var ( M t ) =
w2
∑ Var ( xi ) =
t − w +1
∑ = nw
w2 t1
− w +1 n
nt
424 3
σ2
w×
n
CL = x = M t
σ
UCL / LCL = x ± 3
nw
5
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Gt = r x t + (1 − r )Gt −1
Gt −1 = r x t −1 + (1 − r )Gt − 2
Gt = r x t + r (1 − r ) x t −1 + (1 − r ) 2 Gt − 2
Catatan:
Gt = r x t + r (1 − r ) x t −1 + r (1 − r ) 2 xt − 2 + ..... + G0 Untuk start-up period,
G0 = x = M t analog dengan
σ2 r
Var (Gt ) = ∗ {1 − (1 − r ) 2t } Moving Average
n 2−r Control Chart
σ2 r UCL / LCL = x ± 3σ
r
[1 − (1 − r ) 2t ]
σ ⋅ G = Var (Gt ) = ⋅
n(2 − r )
n 2−r
r
UCL / LCL = x ± 3σ
(2 − r )n
R
σ ← σˆ =
d2
503
x= = 25,15
20
R( diketahui) = 0,40
R 0,40
σˆ = = = 0,172
d 2 0,236
G1 :
G1 = ( r )( x1 ) + (1 − r )G0
G0 = x = 25,15
G1 = (0,2)(25,0) + (1 − 0,2)(25,15) = 25,12
0,2
UCL / LCL = 25,15 ± 3(0,172) [1 − (1 − 0,2) ( 2)(1) ]
(2 − 0,2)5
UCL = 25,196
LCL = 25,104
LD, Semester II 2003/04 Hlm. 12
6
TI 3221 PENGENDALIAN KUALITAS STATISTIK
C = a + b(i )
Formula:
• C = fitted value of the sample average for sample number i;
• a = titik interseksi pada C dengan garis sumbu vertikal;
• b = slope dari C;
• i = nomor subgrup atau sampel;
• g = jumlah subgrup.
a=
∑ x∑ i − (∑ x ⋅ i)(∑ i)
2
g ∑ i − (∑ i )
2 2
g ∑ x i − ∑ x∑ i)
b=
g ∑ i 2 − (∑ i ) 2
7
TI 3221 PENGENDALIAN KUALITAS STATISTIK
Sample Rata-2
CONTOH SOAL: No. (i)2 R
(i) x ( x)(i )
Over the course of 1 36.2 36.2 1 8.0
machining the di ameter of 2 42.4 84.8 4 11.8
steel hubs, tool wear takes 3 38.6 115.8 9 6.2
4 45.5 182.0 16 14.3
place on a gradual basis. 5 53.1 265.5 25 16.2
Samples of size 4 were 6 46.7 280.2 36 9.5
randomly selected, and the 7 55.4 387.8 49 10.2
mean and range of the hub 8 42.8 342.4 64 12.0
diameters were found. The 9 57.3 515.7 81 13.9
10 52.6 526.0 100 7.2
following table shows the 11 50.4 554.4 121 11.3
sample mean X and the 12 59.5 714.0 144 15.1
range R for 25 such 13 60.5 786.5 169 11.7
samples. 14 53.8 753.2 196 8.8
15 54.5 817.5 225 12.8
Find the center line and 16 61.2 979.2 256 14.5
control limits of a trend chart 17 60.4 1026.8 289 12.0
18 63.8 1148.4 324 10.4
for the sample average. If
19 64.2 1219.8 361 13.5
the specification limits state 20 61.4 1228.0 400 9.4
that the hub diameter must 21 66.7 1400.7 441 16.6
be from 34 mm to 78 mm, 22 63.2 1390.4 484 12.2
when should the tool be 23 62.1 1428.3 529 10.5
24 64.5 1548.0 576 12.6
changed? 25 69.6 1740.0 625 14.7
325 1,386.4 19,471.6 5,525 295
∑i ∑x ∑ ( x)(i) ∑i ∑R
LD, Semester II 2003/04 Hlm. 15
(1.386,4)(5.525) − (19.471,6)(325)
a= = 40,972
25(5.525) − (325) 2
25(1.947,6) − (1.386,4)(325)
b= = 1,114 BATAS-BATAS KENDALI
25(5.525) − (325) 2
UCL/ LCL= (a + A2 R) + b(i)
C = 40,972 + 1,114(i ) UCL/ LCL= [40,972± (0,729)(11,84)] + (1,114)(i)
R = 296 / 25 = 11,84 UCL= 49,6035+ (1,114)(i)
n = 4, A2 = 0,729
UCL= 32,341− (1,114)(i)
PETA KENDALI
8
TI 3221 PENGENDALIAN KUALITAS STATISTIK
T2 =
n
( s s − s122 )
2 2
1 2
[
s22 ( x1 − x1 ) 2 + s12 ( x 2 − x 2 ) 2 − 2 s12 ( x1 − x1 )( x 2 − x 2 ) ]
• dof = 2 (jumlah karakteristik kualitas), dan n-1 (dof variansi sampel).
• Jika T2 > T2α, 2, (n-1) , maka paling tidak ada satu karakteristik kualitas
yang berada di luar batas kendali.
• Hubungan distribusi T2 dan F: (n − 1)
Tα2, p ,( n −1) = p Fα , p ,n − p
(n − p )
• n = dof numerator, n-p = dof denominator distribusi F.
• Untuk lebih dari 2 karakteristik:
9
TI 3221 PENGENDALIAN KUALITAS STATISTIK
∑ xijk
n
i = 1,2 ,..., p
X ij = k =1 ,
n j = 1,2 ,..., m k = no. observasi, k = 1, 2, …, n
Variansi sampel dari karakteristik ke-i dari sampel ke-j:
1 n i = 1,2 ,..., p
sij2 = ∑ ( X ijk − X ij )2 ,
( n − 1 ) k =1 j = 1,2 ,..., m
Kovariansi antara karakteristik ke-i & ke-h dari sampel ke-j:
1 n j = 1,2 ,..., m
sihj = ∑ ( X ijk − X ij )( X hjk − X hj ),
( n − 1 ) k =1 i≠h
LD, Semester II 2003/04 Hlm. 19
∑Xj =1
ij
Xi = , i = 1,2,..., p
m
Elemen matriks variansi-kovariansi S:
m
Contoh Peta Kendali Hotelling’s T2
∑ s ij
j =1
si2 = , i = 1,2,..., p
m
m
∑s
j =1
ihj
sih = ,i ≠ h
m
Matriks
variansi- s12 s12 s13 K s1 p
kovariansi S: s22 s23 K s1 p
S= s32 K s3 p
M
s 2p
LD, Semester II 2003/04 Hlm. 20
10
TI 3221 PENGENDALIAN KUALITAS STATISTIK
TIPerhitungan
3221 PENGENDALIAN KUALITAS
batas-batas STATISTIK
kendali bivariat
T2 =
n
( s s − s122 )
2 2
1 2
[
s22 ( x1 − x1 ) 2 + s12 ( x 2 − x 2 ) 2 − 2s12 ( x1 − x1 )( x 2 − x 2 ) ]
LD, Semester II 2003/04 Hlm. 22
11
TI 3221 PENGENDALIAN KUALITAS STATISTIK
T 2 = n( X − X )' S −1 ( X − X )
mnp − mp − np + p
UCL = Fα , p ,( mn − m − p +1)
LD, Semester II 2003/04
mn − m − p + 1 Hlm. 23
12