Hlm. 1 LD, Semester II 2003/04
PETA KENDALI VARIABEL
PETA KENDALI VARIABEL
TI 3221 PENGENDALIAN KUALITAS STATISTIK
TI 3221 PENGENDALIAN KUALITAS STATISTIK
LD, Semester II 2003/04
TOPIK 8
DESKRIPSI :
Merupakan perangkat grafis untuk memonitor aktivitas proses yang sedang
berlangsung.
Merupakan perangkat statistik untuk membedakan variasi alamiah
(disebabkan oleh efek random, pananganan oleh manajemen) dan variasi
tak-alamiah (disebabkan oleh faktor-faktor tertentu, tindakan koreksi oleh
orang yang dekat dengan proses, seperti operator).
UKURAN UTAMA:
Tendensi sentral
→
rata-rata proses, terkait dengan akurasi proses
(berfungsi sebagai garis sentral peta kendali).
Dispersi
→
deviasi standar, terkait dengan kepresisian proses (digunakan
sebagai dasar penentuan batas kendali).
Kedua ukuran menentukan kemampuan proses dalam menghasilkan produk
yang sesuai dengan spesifikasi.
1. DASAR STATISTIK
Hlm. 3 LD, Semester II 2003/04
STRUKTUR :
GARIS TENGAH BKA = Batas Kendali Atas
BKB = Batas Kendali Bawah
VARIASI TAK-ALAMIAH:disebabkan oleh sebab-sebab khusus di luar proses, seperti: material, pekerja, peralatan, dll.
VARIASI ALAMIAH:terkandung dalam proses & disebabkan oleh sebab-sebab umum (ada selama proses tidak berubah; tanggung jawab: manajemen)
KEPUTUSAN-KEPUTUSAN AWAL :
Karakteristik kualitas:dipilih berdasarkan analisis pareto untuk melihat frekuensi kejadiannya.
Sampel rasional: sampel dipilih untuk memaksimumkan perbedaan antar sampel, dan meminimumkan perbedaan dalam sampel (sampel diambil dari lot yang homogen).
Ukuran sampel: umum 4 – 10; industri 4 – 5 (ukuran sampel ↑, kemampuan mendeteksi pergeseran kecil ↑, biaya inspeksi ↑).
Frekuensi sampling:tergantung pada trade-offantara biaya untuk mendapatkan informasi dan biaya yang terjadi akibat tidak terdeteksinya produk cacat (untuk proses dalam kendali, frekuensi ↓).
Perangkat pengukuran:tergantung pada karakteristik kualitas yang akan dikendalikan & tingkat presisi pengukuran yang diinginkan.
PLAN
PLAN
Langkah 1: Mendefinisikan proyek
Langkah 1: Mendefinisikan proyek
Definisikan masalah dalam bentuk gap antara target & kondisi yang ada; Contoh:
Laporan konsumen: banyak terjadi cacat pada produk X;
Tema: Reduksi cacat pada produk X.
Dokumentasikan alasan pentingnya penanganan masalah tersebut: Alasan harus didasarkan pada fakta;
Estimasikan manfaat dari penanganan masalah tsb.
Tentukan jenis data yang akan digunakan untuk mengukur perkembangan: Tentukan data yang akan digunakan sebagai baseline (pembanding dasar);
Kembangkan definisi operasional yang diperlukan untuk pengumpulan data;
Langkah 2: Pelajari kondisi sekarang
Langkah 2: Pelajari kondisi sekarang
1. Kumpulkan data baseline & petakan;
2. Buat peta aliran proses;
3. Visualisasikan aliran proses;
4. Identifikasi setiap variabel yang mungkin menyebabkan masalah: what, where, to what extent, who.
5. Desain instrumen pengumpulan data;
6. Kumpulkan data & analisis untuk mendapatkan pemahaman terhadap masalah;
7. Tentukan informasi tambahan yang diperlukan untuk memahami masalah dengan lebih baik. Ulangi langkah 2 – 7 hingga tidak ada informasi tambahan yang diperlukan.
2. PERBAIKAN KUALITAS: Metoda 7 Langkah
Hlm. 5 LD, Semester II 2003/04
PLAN
PLAN
DO
DO
Langkah 3 : Analisis penyebab potensial
Langkah 3 : Analisis penyebab potensial
1. Tentukan faktor penyebab kondisi saat ini:
Gunakan data yang diperoleh pada langkah 2 & pengalaman orang yang bekerja pada proses untuk mengidentifikasi faktor-faktor penyebab masalah yang terjadi; Buat diagram sebab-akibat untuk faktor / kondisi yang menjadi fokus perhatian; Tentukan faktor penyebab yang paling mungkin.
2. Tentukan apakan diperlukan data tambahan; jika ya ulangi step 2 – 7 pada langkah 2.
3. Jika mungkin, verifikasi faktor penyebab tersebut melalui observasi atau dengan mengendalikan secara langsung variabel tersebut.
Langkah 4 : Implementasikan solusi
Langkah 4 : Implementasikan solusi
1. Formulasikan alternatif solusi yang mungkin;
2. Putuskan solusi mana yang dipilih:
Lakukan analisis kelayakan untuk setiap solusi yang diajukan; Berikan alasan yang jelas untuk solusi yang dipilih.
3. Tentukan bagaimana solusi yang dipilih akan diimplementasikan:
Apakah diperlukan pilot project? Siapa penanggung jawabnya?
Siapa yang melatih orang-orang yang terlibat?
4. Implementasikan solusi yang dipilih.
Langkah 5 : Cek hasil
Langkah 5 : Cek hasil
1. Evaluasi efektivitas langkah 4:
Kumpulkan lebih banyak data baseline pada langkah 1; Kumpulan data relevan yang berkaitan dengan kondisi awal;
Analisis hasil; Analisis apakan solusi yang dipilih efektif untuk memecahkan masalah; ulangsi langkah sebelumnya jika diperlukan.
2. Jelaskan setiap deviasi yang terjadi antara rencana dan hasil yang diperoleh.
Langkah 6 : Standarisasi perbaikan
Langkah 6 : Standarisasi perbaikan
1. Institusionalisasikan perbaikan:
Kembangkan strategi untuk melembagakan perbaikan, dan tentukan penanggung jawab. Tentukan apakan perbaikan akan diterapkan di tempat lain; jika ya rencanakan implementasinya.
Langkah 7 : Buat rencana ke depan
Langkah 7 : Buat rencana ke depan
1. Tentukan rencana ke depan:
Tentukan apakah gap yang ada akan terus diperkecil. Jika ya, tentukan bagaimana proyek selanjutnya akan dilaksanakan dan siapa yang akan terlibat.
Identifikasi masalah terkait yang akan ditangani.
2. Buat catatan tentang pelajaran yang didapat dari proses perbaikan, dan buat rekomendasi untuk tim selanjutnya.
CHECK
CHECK
ACTION
Hlm. 7 LD, Semester II 2003/04
1.Tentukan :
Ukuran sampel (4, 5, 6) Frekuensi sampling ( ≥25) Batas kendali (3σ)
2.Pengumpulan dan pencatatan data.
3.Perhitungan per sampel : Rata-rata per sampel:
Range per sampel:
4.Perhitungan untuk seluruh sampel:
sampel ukuran n n ..., 2, 1, j ; sampel jumlah k k ..., 2, 1, i
= = = =
=
∑
=n x
x
n
1 j
ij
i
Min ij Max ij
i
x
x
R
=
−
k
R
R
k
1 i
i
∑
∑
=
=
=
=
k
x
x
k
1 i
i
R
-X
PETA
1.
LANGKAH KONSTRUKSI
LANGKAH KONSTRUKSI
3. KONSTRUKSI PETA KENDALI VARIABEL
3. KONSTRUKSI PETA KENDALI VARIABEL
5. Perhitungan batas-batas kendali :
6. Cek kelayakan batas-batas kendali yang diperoleh dari langkah 5:
Pemetaan rata-rata & range subgrup pada peta kendali; Cek validitas data sampel berdasarkan Peta R:
Hilangkan data sampel yang berada di luar batas kendali Peta R (dengan alasan yang signifikan);
Koreksi perhitungan batas kendali;
Ulangi langkah ini hingga seluruh data sampel valid untuk digunakan. Cek validitas data sampel berdasarkan Peta R:
Hilangkan data sampel yang berada di luar batas kendali Peta R (dengan alasan yang signifikan);
Koreksi perhitungan batas kendali;
Ulangi langkah ini hingga seluruh data sampel valid untuk digunakan.
R
D
BKA
BKB
dan
R
D
BKA
R
GT
:
3
σ
kendali
batas
dengan
R
Peta
b.
R
A
x
BKA/BKB
x
GT
:
3
σ
kendali
batas
dengan
x
Peta
a.
3 4
2
=
=
=
=
Hlm. 9 LD, Semester II 2003/04
R
-X
PETA
DASAR
-DASAR
1.Asumsi :
Karakterisktik berdistribusi normal dengan rata-rata µdan deviasi standar σ (asumsi robust berdasarkan Central Limit Theorem)
2.Estimator :
d R d
σ
maka Jika
menurun. efisiensi (mendekati tinggi
efisiensi kecil n ESTIMATOR
EFISIENSI
maka , rata -Rata dan rata -Rata sampel h u selur Untuk
w : i subgrup relatif Range
normal) distribusi dari dan R antara kuat (hubungan
0,850 10
0,930 6
0,955 5
0,975 4
0,992 3
1,000 2
Efisiensi Rel. n
R
-X
PETA
DASAR
-DASAR
3. Batas Kendali 3σ BKB maka D
Jika
BKB
D BKA maka D
Jika
BKA BKA/BKB
Hlm. 11
LD, Semester II 2003/04 3,48
3
RANGE KET
RATA-2 OBSERVASI
SG
20,84 Rata-rata =
20,6 22
20,8 20
Wrong die 23,0
23
High temperature 18,6
19
21,8 22
22,0 22
20,2 19
22,4 23
19,2 20
21,2 21
22,8 23
21,2 22
19,4 19
21,6 23
21,0 20
20,0 20
22,0 22
20,4 21
19,0 20
19,4 19
21,6 20
21,0 21
New vendor 20,4
22
19,8 20
21,6 22
Data berikut merupakan hasil sampling terhadap resistansi kumparan yang dilakukan secara random.
Berdasarkan data sampel tersebut, rancang peta kendali yang dapat digunakan untuk
memonitor proses pembuatan kumparan tersebut.
PERHITUNGAN BATAS KENDALI PETA R :
0 BKB
7,357 48) (2,114)(3, BKA
2,114 D 5 n
3,48 25
Subgrup
R
a
nge
New vendor
Keluarkan data sampel ke-3, hitung ulang batas kendali Peta R
0
BKB
6,959
29)
(2,114)(3,
BKA
3,29
24
Cek nilai Range setiap subgrup pada Peta R
Hlm. 13 LD, Semester II 2003/04
PERHITUNGAN BATAS KENDALI PETA :
18,959
292)
(0,577)(3,
20,858
BKB
22,758
292)
(0,577)(3,
20,858
BKA
3,292
24
20,858
24
500,6
24
577
,
Subgrup
R
a
ta-rat
a P
ro
se
s
High temp. Wrong die
Hilangkan nilai sampel ke-22 & ke-23 dari perhitungan batas kendali;
Hitung ulang batas kendali baru.
18,975
273)
(0,577)(3,
20,858
BKB
22,752
273)
(0,577)(3,
20,858
BKA
3,273
22
72,0
22
20,864
22
459,0
22
Seluruh nilai rata-rata subgrup telah berada dalam batas kendali, peta kendali dapat diimplementasikan
2. PETA KENDALI DENGAN TARGET ATAU STANDAR
Rumus-rumus batas kendali:
o BKB maka , Jika BKB
σ
D BKA maka , Jika BKA maka ,
karena , 3σ R BKA
σ
d GT maka ,
karena , Peta kendali Batas b.
Aσ X BKA/BKB
X GT maka , n 3/ A Jika
n
σ
3 X BKA/BKB Peta kendali Batas a.
maka standar, deviasi target nilai dan rata, -rata target nilai X
: ditetapkan Jika
Hlm. 15 LD, Semester II 2003/04
CONTOH 2-1:
Jika untuk hasil sampling pada contoh 1-1 ditetapkan target nilairata-rata tahanan kumparan = 21,0 Ohm, dan deviasi standar = 1,0 Ohm, buat peta kendali dan berikan analisis terhadap kondisi proses.
0
BKA
918
,
918
,
4
(
σ
D
BKA
326
,
326
,
endali
b. Peta K
658
,
19
dan BKB
342
,
22
BKA
342
,
/BKA
BKA
endali
a. Peta K
918
,
4
; D
0
; D
326
,
2
; d
342
,
Subgrup
Ra
Subgrup
Ra
n
g
e
BKA tanpa standar
BKA dengan standar
BKB tanpa & dengan standar
GT dengan standar
Batas Kendali dengan standar
18
Subgrup
R
at
a-rat
a
p
ro
ses Batas
Kendali dengan standar :
X PETA
INTERPRETASI: Peta R:
Range sampel no. 5 & 8 di atas BKA; hanya 6 sampel berada di bawah GTR.
Berdasarkan peta kendali tanpa standar, proses dalam kendali → Peta R dengan standar mengindikasikan bahwa proses tidak mampu memenuhi batas kendali yang ditentukan (berdasarkan nilai target): Target DS = 1,0; DS proses =
Manajemen harus mencari cara untuk mereduksi variasi proses untuk memenuhi DS yang ditargetkan.
Peta X:
Dua titik berada di atas BKA & 4 titik berada di bawah BKB. Target rata-rata proses = 21,0 Ohm, rata-rata proses sekarang = 20,864 Ohm.
Untuk mencapai target rata-rata, manajemen harus mengurangi variabilitas proses agar seluruh titik berada dalam batas kendali. Upaya yang harus dilakukan:
process improvement, bukan QC.
1,407 6 3,273/2,32 /d
R
σ= 2= =
Hlm. 17 LD, Semester II 2003/04
4. HUBUNGAN PERUBAHAN PROSES PRODUKSI & PETA KENDALI
4. HUBUNGAN PERUBAHAN PROSES PRODUKSI & PETA KENDALI
5. ABNORMALITAS PADA POLA PETA KENDALI
5. ABNORMALITAS PADA POLA PETA KENDALI
Contoh pola:
Faktor penyebab :
Perubahan kualitas bahan atau komponen inputan akibat perubahan vendor;
Perubahan tidak disengaja pada setting proses: temperatur, tekanan, atau kedalaman potong; Kesalahan kalibarasi alat ukur;
Kerusakan peralatan;
Pada sistem layanan: perubahan jumlah operator (meningkatan waktu tunggu); Faktor lain: operator baru, peralatan baru, alat ukur baru, metoda pemrosesan baru.
(1) Run : Perubahan pada nilai rata
(1) Run : Perubahan pada nilai rata
-
-
rata subgrup
rata subgrup
DIAGNOSIS RUN:
Terjadi jika beberapa titik berurutan jatuh pada satu sisi dari garis tengah; Jumlah titik = jumlah run;
Kriteria evaluasi abnormalitas: Panjang run = 7;
Hlm. 19 LD, Semester II 2003/04
Contoh pola:
DIAGNOSIS TREND:
Jika ada kecenderungan naik atau turun dari sejumlah titik berurutan; Kriteria evaluasi: jumlah titik = 7.
Kemungkinan faktor penyebab :
Tool wear;
Perubahan gradual pada temperatur atau tekanan pada proses;
Perubahan skill pekerja; meningkat sejalan dengan akumulasi pengalaman; Keausan (deterioration) pada mesin atau peralatan;
Akumulasi material yang tidak diinginkan pada jig & fixtures (alat bantu)
(2) Trend pada nilai rata
(2) Trend pada nilai rata
-
-
rata subgrup
rata subgrup
Contoh pola:
DIAGNOSIS POLA SIKLIS:
1. Jika terdapat beberapa titik memperlihatkan pola perubahan yang sama untuk interval yang sama;
2. Kriteria evaluasi: mengikuti pergerakan titik secara cermat.
Kemungkinan faktor penyebab :
Peningkatan atau penurunan temperatur atau tekanan berhubungan dengan penyalaan (starting) dan pemberhentian (stopping) mesin;
Dampak seasonal dari kualitas material dan komponen inputan dari vendor; Periodisitas kinerja mesin akibat perawatan preventif periodik mesin;
Kelelahan operator dan selanjutnya pemulihan tenaga mereka setelah istirahat; Periodisitas dari properti mekanik dan kimiawi material.
(3) Pola siklis/periodik
(3) Pola siklis/periodik
No Sampel Karakteristik
Produk
BKA
Hlm. 21 LD, Semester II 2003/04
a. Hugging pada Garis Tengah (stratifikasi):
DIAGNOSIS HUGGING PD GT:
Kriteria evaluasi:
Tarik 2 garis pada peta kendali (antara GT – BKA dan GT – BKB);
Hugging pada GT: sebagian besar titik jatuh di antara 2 garis tsb.
Kemungkinan faktor penyebab :
Kemungkinan kesalahan perhitungan nilai-nilai batas kendali;
Sampel berasal dari dua atau lebih populasi yang berbeda dengan nilai minimum dan maksimum yang serupa, yang menyebabkan sebaran kecil yang tidak natural.
(4) Hugging : pengelompokan titik pada garis tengah atau batas k
(4) Hugging : pengelompokan titik pada garis tengah atau batas k
endali
endali
No sampel Karakteristik
Produk
b. Hugging pada BKA & BKB :
DIAGNOSIS HUGGING PD GT:
Kriteria evaluasi:
Tarik 2 garis pada peta kendali (antara GT – BKA dan GT – BKB, masing-masing berjarak 2/3 dari GT);
2 dari 3 titik, 3 dari 7 titik, atau 4 dari 10 titik jatuh pada daerah antara garis tersebut dan BKA/BKB.
Kemungkinan faktor penyebab :
Bercampurnya data dari 2 atau lebih populasi yang berbeda, akibat penggunaan:
Proses dengan 2 atau lebih operator atau mesin;
Kualitas material inputan berasal dari 2 vendor yang berbeda;
2 atau lebih alat ukur yang berbeda;
2 atau lebih metoda produksi yang berbeda.
No Sampel
Karakterisri
Hlm. 23 LD, Semester II 2003/04
6. OPERATING CHARACTERISTIC CURVE (OC CURVE)
6. OPERATING CHARACTERISTIC CURVE (OC CURVE)
Menggambarkan kemampuan peta kendali dalam mendeteksi pergeseran karakteristik kualitas
X
BKB
µ
o BKAXµ
1n
σ
/
n
σ
/
β
(
X X 1)
o 1
µ
µ
BKA
X
BKB
P
β
:
adalah
tersebut
pergeseran
deteksinya
tidak ter
as
probabilit
maka
,
konstanta
,
konstan
&
diketahui
,
δσ
µ
µ
:
shift
terjadi
Jika
=
≤
≤
=
=
+
=
σ
δ
Formulasi:
Formulasi:
δσ
(
)
(
)
(
)
−
=
−
+
−
−
−
+
+
=
+
=
±
=
−
−
−
=
=
≤
≤
=
n
-
δ
3
Φ
n
-
δ
3
Φ
β
n
σ
/
δσ
µ
n
σ
/
3
µ
Φ
n
σ
/
δσ
µ
n
/
σ
3
µ
Φ
β
δσ
, maka
µ
µ
n
σ
/
3
µ
/BKB
BKA
n
σ
/
µ
BKB
Φ
n
σ
/
µ
BKA
Φ
β
µ
µ
BKA
X
BKB
P
β
/n) , maka
~N(µN(
X
Karena
o o
o o
o 1
o X X
1 X 1
X
1 X X
2
o
µ
δσ
µ µ1= o+
n
σ
/
σ/ nβ
X
Hlm. 25 LD, Semester II 2003/04
Contoh:
Contoh:
Jika sampling dilakukan dengan n = 4, berapa probabilitas untuk mendeteksi pergeseran sebesar 2σ?
Probabilitas tidak mendeteksi pegeseran sebesar 2σadalah β, dimana
Jadi probabilitas tidak mendeteksi pergeseran sebesar 2σadalah 0,1587atau probabilitas untuk mendeteksi pergeseran tersebut atau Power adalah = 1 – 0,1587 = 0,8413. OC curve dapat dibuat dengan menghitung βuntuk sejumlah δ.
0,1587 7)
δ
Peta OC untuk beberapa nilai n1,0000
0,0000
-18,81 -12,81 1,0000
0,0000
-14,18 -8,18 1,0000
0,0000
-10,07 -4,07
5,00
1,0000
0,0000
-18,02 -12,02 1,0000
0,0000
-13,62 -7,62 1,0000
0,0000
-9,72 -3,72
4,75
1,0000
0,0000
-17,23 -11,23 1,0000
0,0000
-13,06 -7,06 1,0000
0,0000
-9,36 -3,36
4,50
1,0000
0,0000
-16,44 -10,44 1,0000
0,0000
-12,50 -6,50 0,9987
0,0013
-9,01 -3,01
4,25
1,0000
0,0000
-15,65 -9,65 1,0000
0,0000
-11,94 -5,94 0,9961
0,0039
-8,66 -2,66
4,00
1,0000
0,0000
-14,86 -8,86 1,0000
0,0000
11,39 -5,39 0,9788
0,0212
-8,30 -2,30
3,75
1,0000
0,0000
-14,07 -8,07 1,0000
0,0000
-10,83 -4,83 0,9744
0,0256
-7,95 -1,95
3,50
1,0000
0,0000
-13,28 -7,28 1,0000
0,0000
-10,27 -4,27 0,9452
0,0548
-7,60 -1,60
3,25
1,0000
0,0000
-12,49 -6,49 1,0000
0,0000
-9,71 -3,71 0,8925
0,1075
-7,24 -1,24
3,00
1,0000
0,0000
-11,70 -5,70 1,0000
0,0000
-9,15 -3,15 0,8133
0,1867
-6,89 -0,89
2,75
1,0000
0,0000
-10,91 -4,91 0,9952
0,0048
-8,59 -2,59 0,7054
0,2946
-6,54 -0,54
2,50
1,0000
0,0000
-10,12 -4,12 0,9788
0,0212
-8,03 -2,03 0,5714
0,4286
-6,18 -0,18
2,25
1,0000
0,0000
-9,32 -3,32 0,9292
0,0708
-7,47 -1,47 0,4325
0,5675
-5,83 0,17
2,00
0,9943
0,0057
-8,53 -2,53 0,8186
0,1814
-6,91 -0,91 0,2981
0,7019
-5,40 0,53
1,75
0,9591
0,0409
-7,74 -1,74 0,6368
0,3632
-6,35 -0,35 0,1894
0,8106
-5,12 0,88
1,50
0,8289
0,1711
-6,95 -0,95 0,4207
0,5793
-5,80 0,20 0,1093
0,8907
-4,77 0,23
1,25
0,5636
0,4364
-6,16 -0,16 0,2236
0,7764
-5,24 0,76 0,0559
0,9441
-4,41 1,50
1,00
0,2643
0,7357
-5,37 0,63 0,0934
0,9066
-4,68 1,32 0,0262
0,9738
-4,06 1,94
0,75
0,0778
0,9222
-4,58 1,42 0,0301
0,9699
-4,12 1,88 0,0110
0,9890
-3,71 2,29
0,50
0,0136
0,9864
-3,79 2,21 0,0073
0,9927
-3,56 2,44 0,0040
0,9960
-3,35 2,65
0,25
0,0023
0,9977
-3,00 3,00 0,0023
0,9977
-3,00 3,00 0,0023
0,9977
-3,00 3,00
0,00
1-β
n=10 n=5
n=2
Hlm. 27 LD, Semester II 2003/04
0,0 0,2 0,4 0,6 0,8 1,0
0,
0
0,
5
1,
0
1,
5
2,
0
2,
5
3,
0
3,
5
4,
0
4,
5
5,
0
δ
β
atau (1
-β
)
n=10
n=5 n=2
(1-β)
β
Peta OC & Power
Peta OC & Power
7. AVERAGE RUN LENGTH (ARL)
7. AVERAGE RUN LENGTH (ARL)
4,5
0,22
1
ARL
0,22
β
-1
,
0,78
β
maka
,
2
n
)
n
δ
-Φ
(-3
)
n
δ
Φ
(3
β
1.
δ
,
σ
δ
µ
µ
pergeseran
,
5
n
Untuk
:
CONTOH
β
-1
1
ARL
β
-1
pergeseran
mendeteksi
as
Probabilit
1 o
=
=
=
=
=
−
−
=
=
=
→
=
=
=
µ
Hlm. 29 LD, Semester II 2003/04
1,00
1,000 0,0000
1,00
1,000 0,0000
1,00
1,000 0,0000 5,00
1,00
1,000 0,0000
1,00
1,000 0,0000
1,00
1,000 0,0000 4,75
1,00
1,000 0,0000
1,00
1,000 0,0000
1,00
1,000 0,0000 4,50
1,00
1,000 0,0000
1,00
1,000 0,0000
1,00
0,999 0,0013 4,25
1,00
1,000 0,0000
1,00
1,000 0,0000
1,00
0,996 0,0039 4,00
1,00
1,000 0,0000
1,00
1,000 0,0000
1,02
0,979 0,0212 3,75
1,00
1,000 0,0000
1,00
1,000 0,0000
1,03
0,974 0,0256 3,50
1,00
1,000 0,0000
1,00
1,000 0,0000
1,06
0,945 0,0548 3,25
1,00
1,000 0,0000
1,00
1,000 0,0000
1,12
0,893 0,1075 3,00
1,00
1,000 0,0000
1,00
1,000 0,0000
1,23
0,813 0,1867 2,75
1,00
1,000 0,0000
1,00
0,995 0,0048
1,42
0,705 0,2946 2,50
1,00
1,000 0,0000
1,02
0,979 0,0212
1,75
0,571 0,4286 2,25
1,00
1,000 0,0000
1,08
0,929 0,0708
2,31
0,433 0,5675 2,00
1,01
0,994 0,0057
1,22
0,819 0,1814
3,35
0,298 0,7019 1,75
1,04
0,959 0,0409
1,57
0,637 0,3632
5,28
0,189 0,8106 1,50
1,21
0,829 0,1711
2,38
0,421 0,5793
9,15
0,109 0,8907 1,25
1,77
0,564 0,4364
4,47
0,224 0,7764
17,89
0,056 0,9441 1,00
3,78
0,264 0,7357
10,71
0,093 0,9066
38,17
0,026 0,9738 0,75
12,85
0,078 0,9222
33,22
0,030 0,9699
90,91
0,011 0,9890 0,50
73,53
0,014 0,9864
136,99
0,007 0,9927
250,00
0,004 0,9960 0,25
434,78
0,002 0,9977
434,78
0,002 0,9977
434,78
0,002 0,9977 0,00
ARL 1-β
β
ARL 1-β
β
ARL 1-β 150 2 0 0
ARL
δ n=2
n=5
n=10
Hlm. 31 LD, Semester II 2003/04
8. PETA KENDALI
8. PETA KENDALI
X -S sbb rumus dengan subgrup ukuran pada g tergantun yang faktor c Standar Deviasiσ rata -Rata
1
Batas-batas kendali tanpa standar:
n c
3 A Jika
s /BKB BKA
subgrup jml g BKB maka , Jika
s B BKA maka , Jika
c /BKB BKA
g
Catatan: Untuk ukuran subgrup > 10 atau 12, & ukuran subgrup tidak konstan.
Batas-batas kendali dengan standar:
A dengan
/BKB BKA GT
standar deviasi target :
proses rata -rata target BKA maka , Jika
s B BKA maka , Jika
c /BKB BKA
σ
c GT
Hlm. 33 LD, Semester II 2003/04
9. PERUBAHAN PADA FORMULA BATAS KENDALI
9. PERUBAHAN PADA FORMULA BATAS KENDALI
Perubahan formula batas kendali kanrena perubahan ukuran subgrup
(
) (
(
)
) (
)
(
)
(
(
)
) (
Rlama)
lama d
baru d baru A X BKB
lama R lama d
baru d baru A X BKA
X GT
: X PETA
2
lama R lama d
baru d baru A , 0 Max BKB
lama R lama d
baru d baru D BKA
lama R lama d
baru d baru R GT
: R PETA
2
10. RESUME PETA KENDALI VARIABEL
10. RESUME PETA KENDALI VARIABEL
METODA
PETA
X
PETA
R
PETA
s
s
Peta
3
σ
R
GT
:
R
Peta
:
Dasar
Rumus
±
diasumsika
atau
diketahui
σ
dan
µ
0 0
R
dan
x
dengan
diestimasi
σ
dan
µ
s
dan
x
dengan
diestimasi
σ
dan
µ
Aσ
µ BKB
Aσ
µ BKA
µ BKB
σ D BKA
σ BKB
σ B BKA
σ BKB
R A X BKA
X BKA
R D BKA
R BKB
s A X BKA/BKB
X BKB
σ B BKA GT
3 4