Aziza, Istin Fitriana (2020) Diagram Kontrol Auxiliary Information Based Maximum Generally Weighted Moving Average (AIB-MaxGWMA). Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
06211850010022-Master_Thesis.pdf Download (2MB) | Preview |
Abstract
Kualitas produk mempunyai hubungan yang erat dengan kepuasan pelanggan. Oleh karena itu, perusahaan selalu berupaya mempertahankan kualitas dari produk yang dimiliki. Upaya yang dapat dilakukan oleh perusahaan untuk mempertahankan kualitas produk yaitu dengan melakukan monitoring proses produksi. Salah satu alat yang digunakan untuk memonitor proses produksi adalah diagram kontrol. Dalam memonitor proses, umumnya terdapat dua parameter yang diamati yaitu rata-rata (mean) dan keragaman (varians). Monitoring proses secara univariat hanya dilakukan pada satu variabel dengan menggunakan informasi pada variabel tersebut. Namun, pada penelitian ini, dilakukan monitoring pada suatu variabel dengan melibatkan informasi pada variabel yang diamati dan informasi tambahan pada auxiliary variable menggunakan diagram kontrol Auxiliary Information Based Maximum Generally Weighted Moving Average (AIB-MaxGWMA), sehingga hasil monitoring menjadi lebih baik karena varians dari estimator yang dihasilkan lebih kecil jika dibandingkan tanpa melibatkan auxiliary variable. Di samping itu, pada penelitian ini dilakukan monitoring mean dan varians secara simultan dengan menggunakan diagram kontrol MaxGWMA. Performa dari kedua diagram kontrol tersebut dievaluasi dengan menggunakan ARL. Berdasarkan hasil analisis yang diperoleh, diketahui bahwa diagram kontrol AIB-MaxGWMA memiliki kinerja yang lebih baik dalam mendeteksi adanya pergeseran mean dan varians proses. Hal tersebut ditunjukkan dengan nilai ARL1 yang lebih kecil ketika menggunakan diagram kontrol AIB-MaxGWMA yang berarti diagram kontrol AIB-MaxGWMA lebih cepat dalam mendeteksi adanya pergeseran pada proses. Selain itu, diketahui bahwa varians dari statistik yang melibatkan auxiliary variable lebih kecil dibandingkan varians dari statistik yang tidak melibatkan auxiliary variable
==================================================================================================================================
Product quality has a relationship with customer satisfaction. Therefore, the company always strive to maintain quality of the product. The effort can be made by company to maintain product quality is monitoring the production process. One of the tools that used to monitor the production process is control chart. In process monitoring, there are two parameter observed in the process that are mean and variance. The univariate process monitoring is only carried out on a study variable and only using information on corresponding variable. However, in this study, need to monitor process mean and variance simultaneously on a study variable that requires information on study variable and information on auxiliary variable using Auxiliary Information Based Maximum Generally Weighted Moving Average (AIB-MaxGWMA). Beside that, in this study, compare AIB-MaxGWMA with MaxGWMA control chart to know the effectiveness of adding auxiliary variable in process monitoring. The performance of these control chart is evaluated using Average Run Length. Based on the analysis results, it is known that the AIB-MaxGWMA control chart has a better performance in detecting the shift in mean and variance of the process. This is indicated by the smaller ARL1 value when using the AIB-MaxGWMA control chart which means that the AIB-MaxGWMA control chart is faster in detecting shifts in the process. In addition, it is known that the variance of the statistic involving the auxiliary variable is smaller than the variance of the statistic that does not involve the auxiliary variable.
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTSt 519.86 Azi d-1 2020 |
| Uncontrolled Keywords: | MaxGWMA, AIB-MaxGWMA, Simultan, ARL |
| Subjects: | Q Science > QA Mathematics Q Science > QA Mathematics > QA76.9 Computer algorithms. Virtual Reality. Computer simulation. |
| Divisions: | Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis |
| Depositing User: | Istin Fitriana Aziza |
| Date Deposited: | 24 Dec 2024 07:53 |
| Last Modified: | 24 Dec 2024 07:53 |
| URI: | http://repository.its.ac.id/id/eprint/74378 |
Actions (login required)
 |
View Item |