ITS Undergraduate 10919 Presentation
ITS Undergraduate 10919 Presentation
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
Batasan Masalah
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:
(10)
TINJAUAN
PUSTAKA
Keterangan
Dengan:
n = ukuran sampel
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:
Turunan adalah:
(12)
Dengan:
(13)
PEMBAHASAN
(14)
Dengan:
A=KG-JH
B=2(KF-IH)
C=JF-IG
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
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
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..