Grafik pengendali rata-rata bergerak dalam pengendalian kecacatan per unit untuk data yang berautokorelasi

INDONESIA:

Grafik pengendali kecacatan per unit ( U ) merupakan bagian dari grafik pengendali atribut yang berguna untuk mengendalikan banyaknya kecacatan per unit inspeksi. Seperti halnya grafik pengendali lainnya, grafik pengendali ini memiliki asumsi dasar yaitu tidak adanya autokorelasi antar pengamatan. Maka, jika terjadi autokorelasi pada data tersebut grafik pengendali yang terbentuk akan menjadi bias. Salah satu grafik pengendali yang dapat digunakan dalam situasi seperti ini adalah grafik pengendali rata- rata bergerak Exponentially Weighted Moving Average (EWMA).

Dalam membangun grafik pengendali rata-rata bergerak EWMA, langkah yang terpenting adalah pemilihan λ yang optimum sehingga didapatkan model yang dapat memperkirakan pergerakan rata-rata dari data tiap pengamatan. Pemilihan λ yang optimum ini dengan cara meminimumkan Mean Square Error (MSE). Dengan terpilihnya λ yang optimum maka akan diperoleh kesalahan peramalan yang independen antar setiap pengamatan. Dengan mengestimasi σ^2 dari jumlah kuadrat error dari λ yang optimum maka akan diperoleh grafik pengendali rata-rata bergerak EWMA yang dapat mengendalikan banyaknya kecacatan per unit untuk data yang berautokorelasi.

Pada pengendalian data yang berautokorelasi, grafik pengendali rata-rata bergerak EWMA ini lebih baik dari pada grafik pengendali biasa. Grafik pengendali rata-rata bergerak dapat mengatasi adanya autokorelasi, sedangkan pada grafik pengendali U biasa akan muncul peringatan yang menunjukkan adanya data yang keluar dari grafik pengendali.

ENGLISH :

Control chart of controller defect per unit ( U ) is a part of attribute controller chart that useful for controlling the number of defect for every unit inspection. It’s like the others controller charts, this controller chart has a base assumption that there is no autocorrelation to each observations. Thus, if there is autocorrelation in the data, the control chart will be biased. One of the control charts that can be used in these situations is the moving average controller chart Exponentially Weighted Moving Average (EWMA).

In the building of the moving average control chart EWMA, the most important step is the optimum choosing of ... so is gotten the model that can estimate the moving average of the data of every observation. This optimum choosing of ... is by minimizing Mean Square Error (MSE). By chosen the optimum of ... then will be obtained independent error forecasting for every observation. By estimating ... of the sum of the optimum error square of ... then will be obtained the moving average controller chart EWMA that can be controlling the number of defects for every unit for the data which have autocorrelation.

On the controlling of data which has autocorrelation, this moving average controller chart EWMA is better than the usual controller chart. The moving average controller chart is could overcome the autocorrelation, whereas on the usual controller chart U would appear false alarm which indicate that there is data that out of the controller chart.