Modul 5 – Peta Kendali CUSUM & EWMA
MODUL 5 PETA KENDALI CUSUM & EWMA
Laboratorium OSI & K | FT.UNTIRTA | Praktikum Pengendalian Kualitas © 2014
Page 1
Modul 5 – Peta Kendali CUSUM & EWMA
MODUL 5 PETA KENDALI CUSUM & EWMA
A. Tujuan Praktikum Berikut ini adalah tujuan praktikum modul ini : 1.
Memahami konsep peta kendali CUSUM dan EWMA
2.
Membuat peta kendali CUSUM & EWMA
3.
Memahami kelebihan dan kekurangan peta kendali CUSUM dan peta kendali EWMA di bandingkan dengan peta kendali shewhart
B. Teori Dasar Pengendalian kualitas proses statistik adalah data variabel disebut sebagai metode peta pengendali control chart untuk data variabel. Metode ini digunakan untuk menggambarkan variasi atau penyimpangan yang terjadi pada kecenderungan memusat dan penyebaran observasi. Metode ini menunjukan apakah proses dalam kondisi stabil atau tidak. Dalam proses pengendalian peta kendali statistik mendeteksi apakah adanya sebab khusus assignable causes dalam ketidaksesuaian yang terjadi. Apabila ada data sampel yang berada di luar batas pengendali, maka data sampel tersebut dikatakan out of statistical control. Proses yang disebut berada dalam batas pengendali statistik dikatakan berada dalam kondisi stabil dengan kemungkinan adanya variasi yang disebabkan oleh sebab umum common causes. Peta pengendalian adalah metode statistik yang membedakan adanya variasi atau penyimpangan karena umum dan karena sebab khusus. Penyimpangan yang disebabkan oleh sebab khusus biasanya berada di luar batas pengendalian, sedangkan yang disebabkan oleh sebab umum biasanya berada dalam batas pengendalian. Biasanya antara 80% hingga 85% penyimpangan disebabkan oleh sebab umum sedangkan antara 15-20% disebabkan oleh sebab khusus. Beberapa peta pengendali yang digunakan untuk data variabel diantaranya adalah peta ̅-r dan ̅-s atau yang sering dikenal dengan peta kendali Shewhart. Peta kendali Shewhart banyak digunakan pada fase I yaitu untuk untuk memeriksa melalui analisis retrospective dengan membuat batas pengendali sehingga memastikan proses yang berada
Laboratorium OSI & K | FT.UNTIRTA | Praktikum Pengendalian Kualitas © 2014
Page 2
Modul 5 – Peta Kendali CUSUM & EWMA
dalam kondisi terkendali. Sedangkan pada fase II digunakan untuk memonitoring proses dengan memeriksa sampel secara berurutan. Peta kendali Shewhart sering juga digunakan untuk memastikan proses yang tidak terkendali dan menemukan penyebab khusus yang dihasilkan dari pergeseran rata-rata yang besar dari proses. Namun peta kendali shewhart memiliki kelemahan yaitu mengabaikan informasi yang diberikan pada sampel yang diperiksa secara berurutan. Hal ini membuat peta kendali shewhart menjadi tidak sensitif pada pergeseran rata-rata yang kecil.
Beberapa
alternatif dari peta kendali Shewhart yang digunakan untuk mendeteksi adanya pergeseran proses yang kecil diantaranya adalah peta kendali cumulative sum (cusum) dan peta kendali exponentially weighted moving average (EWMA). Baik peta kendali cusum maupun EWMA sangat baik sebagai pengganti peta kendali Shewhart untuk memonitoring proses pada fase II. Berikut ini adalah pembagian penggunaan peta kendali variabel:
Gambar 1. Pembagian Penggunaan Peta Kendali Variabel
1.
Peta Kendali Cumulative Sum (CUSUM) Peta Kendali CUSUM digunakan sebagai alternatif terhadap grafik pengendali
Shewhart untuk fase II proses monitoring dan digunakan untuk memonitor rata-rata dari proses. Digram ini menghitung secara langsung semua informasi di dalam barisan nilai-nilai sampel dengan menggambarkan jumlah kumulatif deviasi nilai sampel dari nilai target.
Laboratorium OSI & K | FT.UNTIRTA | Praktikum Pengendalian Kualitas © 2014
Page 3
Modul 5 – Peta Kendali CUSUM & EWMA
Peta kendali ini digunakan untuk memonitor rata-rata dari suatu proses. Misalkan sampelsampel berukuran n ≥ 1 dikumpulkan dan xj adalah rata-rata sampel ke-j. Maka jika µo adalah target dari mean proses itu, diagram kontrol jumlah kuadrat dibentuk dengan menggambarkan kuantitas terhadap banyaknya sampel i. Rumusnya adalah sebagai berikut : Ci = ∑ ̅
Ci adalah jumlah kumulatif sampel dengan sampel ke-i. Karena Ci menggabungkan informasi dari beberapa sampel, grafik jumlahan kuadrat lebih efektif daripada grafik Shewhart untuk
meyelidiki
proses
pergeseran
proses
kecil.
Selain
itu
grafik Cusum khususnya, efektif dengan sampel n = 1. Keuntungan The Standardized Cusum antara lain: a.
Banyak k dan h yang sama dan pemilihan parameter tidak berskala dependent
b.
Standart Cusum lebih natural untuk variabilitas
Meningkatkan kemampuan reaksi Cusum untuk pergeseran yang besar ( Improving Cusum Responsiveness for large Shift ), Cusum tidak efektif jika digunakan untuk shift yang besar, maka untuk mengatasinya digunakan kombinasi dari Cusum dan Shewhart prosedur untuk on line kontrol. Peta kendali CUSUM pertama kali diteliti oleh Page (1954). Menurut Page, jika suatu proses berada dalam batas kendali dari nilai target, maka cumulative sum adalah nilai yang terjadi saat mean=0. Jika mean tersebut bergeser misalkan menjadi μ1 > μ0 maka terjadi pergeseran positif pada nilai cumulative sum C1. Sedangkan jika Jika mean tersebut bergeser misalkan menjadi μ1 < μ0 maka terjadi pergeseran negatif pada nilai cumulative sum C1. Hal ini menunjukan adanya pergeseran atau kecenderungan bahwa ratarata (mean) proses telah terjadi dan perlu dilakukan analisis untuk mencari penyebab khusus. Ada beberapa cara dalam membuat peta kendali CUSUM. Untuk CUSUM dengan tabular maka nilai-nilai
dan
diberikan pada persamaan:
= maks [
] ......................................................................(1)
= maks [
] ......................................................................(2)
Dengan nilai awal
=
= 0 dan
adalah nilai target dari karakteristik kualitas x.
Sedangkan adalah nilai referensi atau allowance dan sering dinyatakan dengan setengah dari nilai target
.
Laboratorium OSI & K | FT.UNTIRTA | Praktikum Pengendalian Kualitas © 2014
Page 4
Modul 5 – Peta Kendali CUSUM & EWMA
K=
=
[
]
......................................................................................................(3)
Untuk memastikan apakah observasi terkendali atau tidak maka digunakan nilai H sebagai batas nilai H yang prinsipnya sama dengan nilai L pada peta kendali shewhart. Biasanya nilai H adalah H = 5 σ. Jika nilai
dan
melebihi dari nilai interval H
maka proses dikatakan tidak terkendali. Untuk CUSUM dengan standarisasi dua sisi maka nilai – nilai yi =
dan
diberikan pada persamaan:
................................................................................................................... (4) = maks [
] ................................................................................... (5)
= maks [
] ................................................................................ (6)
Untuk CUSUM dengan metode Fast Initial Response yang diperkenalkan oleh Lucas dan Crosier (1982) dilakukan untuk meningkatkan sensitivitas CUSUM pada saat proses dimulai. Dengan meningkatkan sensitivitas maka tindakan perbaikan tidak diperlukan untuk mencari mean berdasarkan nilai targetnya. Metode ini dilakukan dengan menetapkan nilai sama dengan nilai tidak nol atau
2.
dan
Biasanya disebut dengan 50% headstart.
Peta Kendali The Exponentially Weighted Moving Average Control Chart (EWMA) Diagram Kendali Exponentially Weighted Moving Average (EWMA) adalah salah satu
alternatif diagram kendali untuk mendeteksi pergeseran kecil dan tetap adalah diagram kendali EWMA. Diagram kendali EWMA yang dikenalkan oleh Robert (1959) dalam Montgomery (1997) didefinisikan sebagai: Zt = λxi + (1-λ) Zt-1
untuk t = 1, 2, ..., n........................................................... (7)
Keterangan: λ = Parameter halus yang memenuhi 0 < λ ≤ 1; dan xi = Sampel berukuran i. Dengan nilai λ adalah bobot yang mengambil nilai 0 < λ ≤ 1. Biasanya pada saat sampel pertama maka nilai
=
. Sedangkan untuk batas-batas peta kendali EWMA
diberikan pada persamaan: Batas kontrol dari diagram kontrol EWMA adalah : UCL = µo + L √
.............................................................................. (8)
Laboratorium OSI & K | FT.UNTIRTA | Praktikum Pengendalian Kualitas © 2014
Page 5
Modul 5 – Peta Kendali CUSUM & EWMA
Keterangan: µo = Garis tengah LCL = µo - L √
................................................................................. (9)
Keterangan: L adalah lebar dari batas kontrolnya. Dengan nilai L adalah batas kendali yang ditetapkan.Biasanya nilai L adalah 2,5 ≤ L ≤ 3,0. Batas kendali akan mendekati nilai steady-state untuk nilai yang diberikan pada batasbatas: UCL = µo + L √ LCL = µo - L √
................................................................................................ (10) ...................................................................................................(11)
Diagram peta kendali adalah plot time series khusus yang membantu dalam menentukan apakah suatu proses yang memegang kendali statistik. Beberapa bentuk yang paling banyak digunakan dari diagram kontrol adalah grafik ̅-r, dan Individu grafik. Ini sering disebut sebagai "Shewhart" grafik setelah kontrol charting pelopor, Walter Shewhart, yang memperkenalkan teknik tersebut. Grafik ini bersifat sensitif terhadap mendeteksi pergeseran relatif besar dalam proses (yaitu dari urutan 1.5σ atau di atas). Dalam praktek komputer jaringan, pergeseran dapat disebabkan oleh gangguan atau serangan, misalnya. Dua jenis grafik biasanya digunakan untuk mendeteksi pergeseran kecil (kurang dari 1.5σ), yaitu kumulatif jumlah (atau CUSUM) grafik dan grafik EWMA. Sebuah CUSUM plot jumlah kumulatif deviasi setiap nilai sampel dari nilai target. Sebuah teknik alternatif untuk mendeteksi pergeseran kecil adalah dengan menggunakan metodologi EWMA. Jenis bagan memiliki beberapa sifat yang sangat menarik, khususnya: a.
Tidak seperti ̅ dan R dan Individu grafik, semua data yang dikumpulkan dari waktu ke waktu dapat digunakan untuk menentukan status kontrol proses.
b.
Sama dengan CUSUM, EWMA menggunakan semua pengamatan sebelumnya, tetapi lebih besar pada data yang eksponensial menurun sebagai pengamatan menjadi lebih lama.
Laboratorium OSI & K | FT.UNTIRTA | Praktikum Pengendalian Kualitas © 2014
Page 6
Modul 5 – Peta Kendali CUSUM & EWMA
c.
EWMA adalah sering lebih unggul teknik charting CUSUM karena fakta yang mendeteksi lebih besar bergeser lebih baik.
d.
EWMA dapat diterapkan untuk memantau standar deviasi di suatu proses.
e.
Skema EWMA daCpat digunakan untuk meramalkan nilai dari suatu proses.
f.
Metodologi EWMA tidak sensitif terhadap asumsi normalitas.
Grafik kendali Exponential Weighted Moving Average memiliki beberapa sifat unik, khususnya : a.
Semua data yang dikumpulkan dari berbagai periode waktu bisa digunakan
untuk
mengukur status kendali pada sebuah proses. b.
Exponential Weighted Moving Average sering kali lebih unggul dari pada pemetaan dengan Teknik CUSUM untuk perubahan – perubahan yang lebih besar.
c.
Skema Exponential Weighted Moving Average bisa di aplikasikan untuk memonitor standar deviasi pada penambahan nilai rata-rata pada suatu proses.
d.
Dengan menggunakan skema Exponential Weighted Moving Average bisa diramalkan nilai rata – rata dari suatu proses.
e.
Metodelogi Exponential Weighted Moving Average tidak sensitif terhadap asumsi – asumsi secara normal.
C. Studi Kasus 1) Peta kendali CUSUM Tabel 1. Sample Pengukuran Sample i
xi
Sample i
xi
Sample i
xi
1
9,45
11
9,03
21
10,9
2
7,99
12
11,47
22
9,33
3
9,29
13
10,51
23
12,29
4
11,66
14
9,4
24
11,5
5
12,16
15
10,08
25
10,6
6
10,18
16
9,37
26
11,08
7
8,04
17
10,62
27
10,38
8
11,46
18
10,31
28
11,62
9
9,2
19
8,52
29
11,31
10
10,34
20
10,84
30
10,52
Laboratorium OSI & K | FT.UNTIRTA | Praktikum Pengendalian Kualitas © 2014
Page 7
Modul 5 – Peta Kendali CUSUM & EWMA
Nilai target µ0 = 10, ukuran subgrup n = 1, s = 1. Misal ingin dideteksi jarak pergeseran proses 1.s = 1(1) = 1. Jadi, µ1 = 11, sehingga K = 0,5 dan H = 5 s = 5. Langkah-langkah penyelesaian menggunakan software minitab: 1. Masukkan data di atas ke dalam program MINITAB dengan nama ‘sample’. 2. Klik stats > control charts > time weighted charts > CUSUM. 3. Pilih observations for a subgroup are in one rows of colomn > masukkan data ‘sample’ > isi column target 4. Pilih CUSUM Options > pada parameter isi standard deviasi 1. 5. Pada plan/type pilih one sided, kemudian isi H= 5, dan K = 0,5. 6. Kemudian klik OK. Sehingga output nya adalah sebagai berikut :
Gambar 2. Peta Kendali CUSUM
Adanya titik yg diluar batas H (titik 29 dan 30) mengindikasikan adanya sebab terduga yg terjadi, berdasarkan contoh indikasi mulai adanya pergeseran proses yakni pada titik 22 dan 23.
Laboratorium OSI & K | FT.UNTIRTA | Praktikum Pengendalian Kualitas © 2014
Page 8
Modul 5 – Peta Kendali CUSUM & EWMA
2) Peta Kendali EWMA Tabel 2. Sample Pengukuran Sample i
xi
Sample i
xi
Sample i
xi
1
9,45
11
9,03
21
10,9
2
7,99
12
11,47
22
9,33
3
9,29
13
10,51
23
12,29
4
11,66
14
9,4
24
11,5
5
12,16
15
10,08
25
10,6
6
10,18
16
9,37
26
11,08
7
8,04
17
10,62
27
10,38
8
11,46
18
10,31
28
11,62
9
9,2
19
8,52
29
11,31
10
10,34
20
10,84
30
10,52
Soal seperti pada contoh 1 tetapi pada kasus ini diketahui λ = 0,1 dan L= 2,7 Langkah menggunakan software minitab : 1. Masukkan data di atas ke dalam program MINITAB dengan nama ‘sample’. 2. Klik stats > control charts > time weighted charts > EWMA 3. Pilih observations for a subgroup are in one rows of colomn > masukkan data ‘sample’ > isi column weight of EWMA dengan nilai lamda (λ) yaitu 0,1 4.
Kemudian klik EWMA Options isi mean tersebut dengan nilai target 10.315, dan standard deviation 1,54
5.
Kemudian klik OK
Sehingga outputnya adalah sebagai berikut EWMA Chart of xi 11.25 UCL=11.109 11.00
EWMA
10.75 10.50
_ _ X=10.315
10.25 10.00 9.75
LCL=9.521
9.50 1
4
7
10
13
16 Sample
19
22
25
28
Gambar 2.Peta Kendali EWMA Laboratorium OSI & K | FT.UNTIRTA | Praktikum Pengendalian Kualitas © 2014
Page 9
Modul 5 – Peta Kendali CUSUM & EWMA
Dengan menentukan λ = 0,1 dan L= 2,7 maka dari peta kendali EWMA terlihat lebih jelas bahwa sampel akan berada di batas kendali.
D. Tugas Pendahuluan 1.
Jelaskan yang dimaksud peta kendali CUSUM!
2.
Jelaskan yang dimaksud peta kendali EWMA!
3.
Sebutkan kegunaan peta kendali CUSUM dan EWMA!
4.
Sebutkan keuntungan dari peta kendali CUSUM dan EWMA!
5.
Data pada tabel dibawah ini mewakili pengamatan individu pada molekul Berat diambil per jam dari bahan kimia proses. Nilai target molekul Berat adalah 1050 dan standar proses penyimpangan dianggap tentang σ = 25,. Mengatur dari proses ini. desain ini untuk cepat mendeteksi pergeseran sekitar 1.0 σ dalam proses mean . A. Buatlah peta kendali CUSUM dengan h = 4 dan k = 0,5 B. Buatlah peta kendali EWMA dengan λ = 0,1 dan L= 2,7 Tabel 4. Pengamatan Individu Pada Molekul Berat Number
Pengamatan
Number
Pengamatan
1
1045
11
1139
2
1055
12
1169
3
1037
13
1151
4
1064
14
1128
5
1095
15
1238
6
1008
16
1125
7
1050
17
1163
8
1087
18
1188
9
1125
19
1146
10
1146
20
1167
6. Sebuah mesin yang digunakan untuk mengisi kaleng dengan aditif oli motor. Sampel tunggal dapat dipilih setiap jam dan berat dapat diperoleh. Karena proses pengisian otomatis, memiliki variabilitas yang sangat stabil, dan panjang Pengalaman menunjukkan bahwa σ = 0.127 . individu pengamatan selama 24 jam operasi ditunjukkan pada Tabel dibawah ini.
Laboratorium OSI & K | FT.UNTIRTA | Praktikum Pengendalian Kualitas © 2014
Page 10
Modul 5 – Peta Kendali CUSUM & EWMA
Tabel 5. Waktu Mengisi Kaleng dengan Aditif Oli Motor Observation
xi
Observation
xi
1
25
11
25
2
25.4
12
25.7
3
25.2
13
25
4
25
14
25.1
5
25.2
15
25
6
24.9
16
24.9
7
25
17
25
8
25.4
18
25.1
9
24.9
19
25.4
10
25.2
20
25.8
Dengan asumsi bahwa target proses adalah 25.16 oz, C. Buatlah peta kendali CUSUM dengan h = 4,77 dan k = 0,25 D. Buatlah peta kendali EWMA dengan λ = 0,1 dan L= 2,7
7.
Data pada adalah suhu dari proses kimia dalam ° C, diambil setiap dua menit. Target nilai rata-rata adalah
= 950 dan σ = 12.16 Tabel 6. Data Proses Kimia Suhu
953
985
949
937
959
948
958
952
945
973
941
946
939
937
955
931
972
955
966
954
948
955
947
928
945
950
966
935
958
927
941
937
975
948
934
941
963
940
938
950
970
957
937
933
973
962
945
970
959
940
946
960
949
963
963
933
973
933
952
968
942
943
967
960
940
965
935
959
965
950
969
934
936
973
941
956
962
938
981
927
A. Buatlah peta kendali CUSUM dengan h = 5 dan k = B. Buatlah peta kendali EWMA dengan λ = 0,1 dan L= 2,7
8.
Pengukuran viskositas pada polimer yang dibuat setiap 10 menit oleh viskometer on-line. Tiga puluh enam pengamatan ditunjukkan pada tabel ini untuk proses ini adalah
dengan sasaran viskositas
= 3200 dan σ = 5.95.
Laboratorium OSI & K | FT.UNTIRTA | Praktikum Pengendalian Kualitas © 2014
Page 11
Modul 5 – Peta Kendali CUSUM & EWMA
Tabel 7. Pengukuran Polimer Viskositas 3169
3205
3185
3188
3173
3203
3187
3183
3162
3209
3192
3175
3154
3208
3199
3174
3139
3211
3197
3171
3145
3214
3193
3180
3160
3215
3190
3179
3172
3209
3183
3175
3175
3203
3197
3174
a. Buatlah peta kendali CUSUM dengan h = 5 dan k = 0.25 b. Buatlah peta kendali EWMA dengan λ = 0,1 dan L= 3
9.
PT.Osik, memeriksa sampel sebanyak 20 untuk karakteristik kualitas panjang penggaris pada sampel yang diperiksa secara berkala selama 20 menit dengan mengatur rata-rata control chart bergerak untuk data pada Tabel dibawah ini , dengan menggunakan Dengan
= 700
dan σ = 5.0915 , Tabel 9. Data Pemeriksaan Karakteristik Kualitas Panjang Penggaris
1
Data Pemeriksaan 286
11
Data Pemeriksaan 2837
2
948
12
596
3
536
13
81
4
124
14
227
5
816
15
603
6
729
16
492
7
4
17
1199
8
143
18
1214
9
431
19
2831
10
8
20
96
Observation
Observation
A. Buatlah peta kendali CUSUM dengan h = 5 dan k = B. Buatlah peta kendali EWMA dengan λ = 0,1 dan L= 2,7
Laboratorium OSI & K | FT.UNTIRTA | Praktikum Pengendalian Kualitas © 2014
Page 12
Modul 5 – Peta Kendali CUSUM & EWMA
10. PT.Osik, memeriksa sampel sebanyak 15 untuk karakteristik kualitas panjang pesawat pada sampel yang diperiksa secara berkala selama 20 menit dengan mengatur rata-rata control chart bergerak untuk data pada Tabel dibawah ini , dengan menggunakan Dengan
= 26.5 dan σ = 0.2 Tabel 9. Data Pemeriksaan Karakteristik Kualitas Panjang Pesawat Observation
Data Panjang Pesawat
1
25.5
2
26
3
26.6
4
26.8
5
27.5
6
25.9
7
27
8
25.4
9
26.4
10
26.3
11
26.9
12
27.8
13
26.2
14
26.8
15
26.6
A. Buatlah peta kendali CUSUM dengan h = 5 dan k = B. Buatlah peta kendali EWMA dengan λ = 0,2 dan L= 2,7
Laboratorium OSI & K | FT.UNTIRTA | Praktikum Pengendalian Kualitas © 2014
Page 13