ANALISIS RANCANGAN EKONOMI

PADA GRAFIK KENDALI

EXPONENTIALLY WEIGHTED MOVING
AVERAGE (EWMA)

Oleh:
Dian Mareta Windayani
1206 100 055

Dosen pembimbing:
Dra. Laksmi Prita, M.Si
 PENDAHULUA
N
Latar belakang
 Grafik kendali sering digunakan untuk mengendalikan
berbagai macam proses produksi. Grafik kendali
Exponentially Weighted Moving Average (EWMA) adalah
grafik yang digunakan untuk memantau mean dan varians
yang lebih efektif untuk mendeteksi adanya pergeseran kecil
dalam proses dibandingkan grafik Shewhart. Untuk
menggunakan grafik kendali dibutuhkan pemilihan tiga
parameter, yaitu ukuran sampel (n), frekuensi pengambilan
sampel atau interval sampel (h) dan batas kendali (K).
 Grafik kendali dirancang dengan menggunakan kriteria
statistik dan ekonomi. Model ekonomi murni dikembangkan
ke arah rancangan statistik-ekonomi dengan menambahkan
kendala yang terkait dengan average run length in control
dan out of control. Kriteria ekonomi digunakan untuk
memilih nilai parameter grafik kendali sehingga dapat
meminimumkan total biaya yang dikeluarkan.
 PENDAHULUA
N
Latar belakang
n
Paramete h
r grafik
K

Grafik Minimum
Biaya terkait produksi
Kendali total biaya
item yang
nonconform / rusak

Biaya karena false

Kriteria alarm, mencari dan
Ekonomi memperbaiki
assignable cause
Biaya untuk
sampling dan
inspeksi
 PENDAHULUA
N
Rumusan Masalah

a. Bagaimana menentukan nilai parameter pada grafik kendali sehingga

total biaya kualitas / total biaya yang diharapkan per jam menjadi
minimal?
b. Bagaimana pengaruh perubahan pergeseran mean dan varians pada
parameter interval sampel dan total biaya yang diharapkan per jam?

Batasan Masalah

a. Waktu in control untuk proses produksi diasumsikan berdistribusi

eksponensial dengan mean
b. Hanya akan terjadi single assignable cause pada suatu proses yang
diamati
c. Parameter biaya akan dioptimasi dengan menggunakan metode
Newton-Raphson dan Fibonacci Search
 PENDAHULUA
N
Tujuan

a. Menentukan nilai parameter pada grafik kendali sehingga total biaya

kualitas / total biaya yang diharapkan per jam menjadi minimal
b. Mengetahui pengaruh perubahan pergeseran mean dan varians
pada parameter interval sampel dan total biaya yang diharapkan per
jam

Manfaat

Manfaat yang didapat dari Tugas Akhir ini adalah biaya yang
dikeluarkan untuk pembuatan grafik kendali dapat diminimalisasi
dengan penentuan parameter grafik kendalinya dan dengan melihat
nilai pergeseran prosesnya, baik mean dan atau varians.
 TINJAUAN
PUSTAKA
GRAFIK KENDALI
 Grafik kendali dapat membedakan antara variasi normal (Chance
causes ) yang tidak memerlukan perbaikan dan variasi yang
menyebabkan proses menjadi tak terkendali (out of control)
sehingga perlu dilakukan perbaikan.
 Penyebab variasi dalam proses antara lain:

a. Common causes/ Chance causes

b. Special causes/ Assignable causes

 Didefinisikan sebagai mean atau expected value dan

adalah standar deviasi dari . Garis tengah dan batas kendali
dinyatakan oleh:
 Garis tengah
 (1)
 (2)

 Dengan k adalah parameter batas kendali. Umumnya nilai k

ditetapkan
 TINJAUAN
PUSTAKA

 Average Run Length

Average Run Length (ARL) adalah rata-rata banyaknya sampel
(subgrup) yang harus diamati sampai ditemukan out of conrol yang
pertama. Semakin kecil ARL, maka semakin kecil pula ekspektasi
jumlah sampel yang diperlukan sampai terjadinya sinyal out of
control.
 Uji Normalitas dengan Menggunakan Uji Kolmogorov-Smirnov
Metode Kolmogorov-Smirnov merupakan uji kenormalan
didasarkan pada nilai D yang didefinisikan sebagai berikut:
(2.6)
Dengan:
: fungsi distribusi kumulatif normal
: proporsi amatan (sampel) yang kurang dari atau sama dengan
x
 TINJAUAN
PUSTAKA
Grafik EWMA

Grafik EWMA mean Grafik EWMA varians

 Perhitungan statistik dari grafik  Perhitungan statistik dari grafik EWMA

EWMA mean adalah:
 (3)
 Batas kendali atas dan bawah
serta garis tengah dari EWMA-m
adalah:
 (6)
 Garis tengah (CL):
 (7)
adalah konstanta smoothing yang bernilai
. merupakan faktor pengali yang
untuk grafik kendali EWMA mean dan varians yang
nilainya tergantung dari ARL yang diinginkan.
varians adalah:
 (4)
 Batas kendali atas dan bawah serta
garis tengah dari EWMA-v adalah:
 (8)
 Garis tengah (CL) = c
 (9)
 Dengan:
(5)
 TINJAUAN
PUSTAKA
Model biaya
 Satu putaran produksi dimulai dari proses yang terkendali
sampai terjadinya assignable cause, adanya sinyal out of control,
proses identifikasi dan perbaikan assignable cause sampai kembali
ke state in control.
 Didefinisikan E(T) sebagai waktu yang diharapkan per putaran
produksi (expected length per cycle), dan E(C) sebagai biaya per
putaran yang diharapkan (expected cost per cycle). Maka biaya
yang diharapkan per jam (expected cost per hours) diperoleh
dengan membagi E(C) dengan E(T) yaitu:
 TINJAUAN
PUSTAKA
Komponen Biaya
Waktu dari kejadian
assignable cause
sampai pengambilan
sampel berikutnya
periode in control
Waktu sampai grafik
Waktu yg diharapkan memberikan sinyal out
per putaran produksi of control

periode out of control

Waktu untuk
menganalisis sampel
Total biaya yg dan membuat grafik
diharapkan per jam hasilnya
biaya memproduksi
produk cacat
Waktu untuk mencari
dan memperbaiki
proses
Biaya yg diharapkan
biaya krn false alarm
per putaran produksi

biaya sampling dan

inspeksi
 TINJAUAN
PUSTAKA
Waktu yg diharapkan per putaran produksi

a. Periode in control d. Waktu untuk menganalisis sampel

dan membuat grafik hasilnya
dengan
Jika , maka produksi tetap
e. Waktu untuk mencari dan memperbaiki proses
berlangsung selama proses pencarian,
dan
jika , maka produksi berhenti Maka, waktu yang diharapkan pada
selama pencarian assignable cause. periode out of control adalah:
b. Waktu dari kejadian assignable cause
sampai pengambilan sampel berikutnya
dengan
adalah waktu yang dibutuhkan untuk
c. Waktu sampai grafik memberikan menemukan assignable cause dan
sinyal out of control waktu yang dibutuhkan untuk
memperbaiki proses
Jadi, waktu yang diharapkan per putaran produksi adalah:
 TINJAUAN
PUSTAKA
Biaya yg diharapkan per putaran produksi

 Biaya terkait produksi item yang nonconform / rusak adalah:

 Biaya karena false alarm, mencari dan memperbaiki assignable cause

adalah:

 Biaya untuk sampling dan inspeksi

 Jadi, biaya per putaran yang diharapkan adalah:

 TINJAUAN
PUSTAKA
Model biaya
 Total biaya yang diharapkan per jam (Expected
cost per hours) berdasarkan biaya umum
Lorenzen dan Vance :

(10)
 TINJAUAN
PUSTAKA
Keterangan
Dengan:
 n = ukuran sampel

 h = interval sampel (jam)

 = waktu yang diharapkan antara kejadian assignable cause

dan pengambilan sampel yang dilakukan sebelum
assignable cause terjadi
 s = jumlah sampel yang diharapkan selama periode
terkendali (in control)
 = average run length ketika proses in control
 = average run length ketika proses out of control
 = mean proses pada waktu in control
 E = waktu untuk mengambil sampel dan membuat grafiknya

 = waktu pencarian false alarm yang diharapkan

 TINJAUAN
PUSTAKA

 = waktu yang diharapkan untuk menemukan assignable cause

 = waktu yang diharapkan untuk memperbaiki proses
 = 1 jika produksi tetap berlangsung selama pencarian
 = 0 jika produksi berhenti selama pencarian
 = 1 jika produksi tetap berlangsung selama perbaikan
 = 0 jika produksi berhenti selama perbaikan
 = biaya kualitas per jam ketika prosesnya terkendali (in control)
 = biaya kualitas per jam ketika prosesnya di luar kendali (out of
control) (> )
 F = biaya per false alarm
 W = biaya untuk menemukan dan memperbaiki assignable cause
 a = biaya tetap per sampel
 b = biaya per unit sampel
 TINJAUAN
PUSTAKA
Loss function
 Taguchi mendefinisikan fungsi kerugian (loss
function) sebagai berikut:

Untuk merancang grafik Sedangkan nilai yaitu

kendali berdasarkan fungsi biaya yang diharapkan per
quadratic loss, dilakukan unit dari suatu produk ketika
perhitungan yaitu biaya proses berlangsung out of
kualitas yang diharapkan control adalah:
per unit produk ketika
proses in control, adalah:
 TINJAUAN
PUSTAKA
Newton-raphson
 Diketahui fungsi f(x) dan turunannya f’(x) , hampiran
nilai akarnya adalah:

 Dengan adalah nilai awal x dari iterasi n yang nilainya

ditentukan oleh user, sedangkan adalah nilai baru
pada iterasi n+1. Syarat dari metode ini adalah
 METODE
PENELITIAN

 Langkah-langkah analisis data adalah:

a. Memilih parameter K
b. Menghitung nilai parameter h
c. Menghitung nilai parameter n
d. Aplikasi pada studi kasus
 PEMBAHASAN
Menentukan nilai parameter h

 Untuk menghitung nilai h, maka total biaya E(A) pada (10) diasumsikan
sebagai fungsi h. Total biaya E(A) pada (10) diturunkan terhadap h
dan disamadengankan nol. Perhitungannya adalah sebagai berikut:
 Pembilang dan penyebut pada total biaya (10) dikalikan dengan
sehingga:

 Atau dapat ditulis:

(11)
 PEMBAHASAN

 Turunan adalah:

(12)
 Dengan:

 Untuk menyelesaikan persamaan (12), digunakan pendekatan Montgomery

untuk nilai , yaitu
 Nilai pendekatan ini disubstitusikan pada (11), sehingga didapat:

(13)
 PEMBAHASAN

 Persamaan (13) dibentuk menjadi:

(14)
 Dengan:
 A=KG-JH
 B=2(KF-IH)
 C=JF-IG

 Dan turunan dari (14) adalah:

 Dengan menggunakan metode Newton-Raphson, maka nilai h didapat:

 PEMBAHASAN
Menentukan nilai parameter n

 Nilai n dihitung dengan menggunakan metode Fibonacci

Search. Persamaan yang digunakan pada metode ini adalah
persamaan (11). Nilai h yang sudah didapatkan dengan
menggunakan metode Newton-Raphson disubstitusikan
pada persamaan (11). Selanjutnya, dengan metode Fibonacci
Search akan didapat nilai n dan total biaya E(A). Interval nilai
n yang digunakan pada metode Fibonacci Search tergantung
pada nilai pergeseran mean dan atau varians, yaitu 20/nilai
pergeseran.
 PEMBAHASAN
Studi Kasus
 Uji kenormalan data produksi karung Uji formal kenormalan data produksi karung
Eastern Eastern dengan Kolmogorov-Smirnov
 Uji formal kenormalan data produksi Hipotesis:
karung Eastern dengan Kolmogorov- data karung Eastern berdistribusi normal
Smirnov
data karung Eastern tidak berdistribusi
 Hipotesis:
normal
data karung Eastern berdistribusi normal
data karung Eastern tidak berdistribusi Nilai
normal Probability Plot of panjang karung
Normal
99.9
Mean
StDev
78.81
0.8454
Nilai = level toleransi= 5%=0.05
99

Statistik Uji
N 100
KS 0.037
95 P-Value >0.150
90
80
70
Percent

60
50
40
30
20
10
5

0.1
76 77 78 79 80 81 82
pjg karung
Nilai tabel
Nilai Tabel Kolmogorov-Smirnov untuk
Gambar 1. Probability plot data produksi panjang karung dan n=100 adalah 0.134.
Eastern Kesimpulan
 Dari Gambar 1 diketahui bahwa nilai p- Karena , maka diterima.
value>5%, yaitu 0.15. Karena nilai p-value Jadi, data produksi karung Eastern berdistribusi
melebihi , maka dapat disimpulkan
bahwa data panjang karung Eastern normal.
berdistribusi normal.
 PEMBAHASAN
Grafik EWMA produksi karung

Grafik EWMA mean Grafik EWMA varians

EWMA varians dari pjg karung

EWMA Chart of Panjang Karung
Variable
yt
79.2 UCL=79.197 -0.50
UCL
LCL
-0.75
79.0
-1.00
_
_
78.8 X=78.806 -1.25

Data
EWMA

-1.50
78.6
-1.75

78.4 LCL=78.415
-2.00

-2.25
78.2 2 4 6 8 10 12 14 16 18 20
1 3 5 7 9 11 13 15 17 19 panjang karung
Sample

UCL= 79.076
UCL= -0.41
CL = 78.806
CL = -1.25
LCL= 78.535
LCL= -2.09
Terjadi pergeseran proses pada
Seluruh data terkontrol,
sampel ke 13-20 dan nilai
sehingga tidak terjadi
pergeserannya:
pergeseran varians.
Diasumsikan proses produksi karung tetap Nilai parameter produksi karung
berjalan selama pencarian assignable cause, dengan k=0.1
tetapi proses berhenti selama perbaikan teta delta ro n h E(A)
sehingga nilai 0.05 0.392 1 20 5.82 15.93
Untuk menghitung total biaya minimum,
digunakan nilai parameter seperti yang
digunakan pada European journal of Operation Pengaruh pergeseran mean dan atau varians
Research yaitu sebagai berikut: dengan k=0.1
,F=500, W=250, a=5, b=1, E=0.5, delta ro n h E(A)
0.5 1 20 4.56 18.23
Sedangkan parameter berikut didapat dari hasil 1.5 13 2.19 31.59
2 10 1.95 43.22
perhitungan sampel produksi panjang karung 1 1 19 3.9 25.82
Eastern : h
Iterasi nilai i hi hi1 1.5 13 2.6 35.74
0 10 6.69 2 10 2.1 47.6
1 6.69 5.87 2 1 10 2.99 45.57
2 5.88 5.82 1.5 10 2.61 54.33
Iterasi nilai n 2 9 2.26 65.94
k Ak ck dk bk
Pengaruh pergeseran mean dan atau varians
1 20 39.17 27.32 31.85
2 20 31.85 24.53 27.32
dengan k=0.4
3 20 27.32 22.8 24.53 delta ro n h E(A)
4 20 24.53 21.73 22.8 0.5 1 20 2.26 52.67
5 20 22.8 21.1 21.73 1.5 13 1.07 93.17
6 20 21.73 20.66 21.1 2 10 0.95 136.65
7 20 21.1 20.41 20.66 1 1 19 1.94 74.99
8 20 20.66 20.25 20.41 1.5 13 1.28 109.59
9 20 20.41 20.17 20.25 2 10 1.03 154.21
10 20 20.25 20.08 20.17 2 1 10 1.48 149.48
11 20 20.17 20.08 20.08 1.5 10 1.29 182.53
12 20 20.08 20.04 20.08 2 9 1.1 227.19
 KESIMPULAN

a. Nilai parameter h yang dihitung dengan menggunakan metode

Newton-Raphson menurun ketika terjadi peningkatan pada
pergeseran mean dan atau varians. Hal ini disebabkan karena
ketika suatu proses mulai jauh bergeser dari nilai target, maka
pengambilan sampel harus lebih sering dilakukan. Sehingga produk
yang dihasilkan tidak menyimpang dari target yang telah ditentukan.
b. Peningkatan nilai parameter h akan meningkatkan total biaya yang
harus dikeluarkan oleh perusahaan. Semakin sering pengambilan
sampel dilakukan, maka biaya yang dikeluarkan juga akan semakin
besar.
c. Nilai parameter pada studi kasus produksi karung Eastern
karakteristik kualitas panjang adalah n=20, h=5.82, L=2.96 dan
biaya yang harus dikeluarkan adalah 15.93.
 DAFTAR
PUSTAKA

 Alexander, S.M., Dillman, M.A., Usher, John S., Damodaran, Biju. 1995.
Economic design of control chart using the Taguchi loss function.
Computers ind. Engng Vol. 28, No. 3, pp. 671-679
 Dewi, N.P. 2007. Pendeteksian Pereseran Proses Mean dan Variability
dengan Menggunakan Peta Kendali MaxEWMA. Tugas Akhir Jurusan
Statistika, ITS Surabaya.
 Lorenzen, T.J., Vance, L.C., 1986. The economic design of control charts: a
unified approach. Technometrics 28, 3–10.
 Mitra, Amitava. 1998. Fundamental of quality control and improvement,
second edition. Upper sadle river, N.J: Prentice hall.
 Patil, S.H., Rattihalli, R.N. 2009. Economic Design of Moving Average
Control Chart for Continued and Ceased Production Process. Economic
Quality Control 24, 129-142.
 Serel, D.A., Moskowitz, H. 2008. Joint economic design of EWMA control
chart for mean and variance. European Journal of Operational Research
184, 157-168.
 Triyanto, Dendy. 2007. Pengendalian Kualitas Statistik pada Departemen
Finishing di PT. Yanaprima Hastapersada Sidoarjo. Tugas Akhir Jurusan
Statistika, ITS Surabaya..