2021 : Diagram Kendali Neutrosophic T2 Hotelling berbasis Hybrid James-Stein dan Sucessive Difference Covariance Estimator

Wibawati S.Si., M.Si

Year

2021

Published in

-

External link

Type

RESEARCH

Keywords

-


Abstract

Pengendalian kualitas statistika merupakan suatu metode yang digunakan untuk memonitor kualitas proses industri manufaktur maupun jasa. Pada monitoring kualitas multivariat, diagram kendali konvensional T^2 Hoteling sangat popular digunakan, baik untuk memonitor pengamatan individu atau subgrup. Pembentukan diagram pada fase 2, memerlukan estimasi parameter proses μ dan Σ yang telah terkendali dari fase 1. Estimator konvensional berturut-turut adalah X ̅ dan S. James-Stein (JS) estimator merupakan salah satu metode estimasi untuk paremeter μ yang mampu menghasilkan mean square error (MSE) yang kecil. Sementara itu pada pengamatan individu, estimator matriks dengan successive difference covariance (SDC) mampu menghasilkan diagram kendali yang lebih cepat menemukan pengamatan yang out of control (OOC). Disisi lain, penggunaan diagram kendali konvensional T^2 Hotelling ini sesuai pada saat hasil pengukuran karakteristik kualitas adalah eksak atau crips data. Seringkali dalam prakteknya, pengukuran suatu karakteristik kualitas menghasilkan nilai-nilai yang tidak pasti, tidak lengkap, sehingga diperoleh bilangan-bilangan yang samar (ambigu). Pada kondisi ini, diagram kendali berbasis neutrosophic mampu mengatasi monitoring kualitas untuk data yang ambigu. Perkembangan diagram kendali berbasis neutrosophic sampai saat ini masih terbatas pada diagram kendali neutrosophic univariat. Secara umum diagram neutrosophic lebih sensitif dibanding diagram kendali konvensional. Oleh karena itu pada penelitan ini akan dikembangkan diagram kendali neutrosophic T^2 Hotelling yang berbasis James-Stein (JS) estimator serta successive difference covariance (SDC) yang disebut neutrosophic T^2 Hotelling berbasis hybrid James-Stein dan successive difference covariance estimator. Selanjutnya, performa dari diagram kendali akan dievaluasi dalam mendeteksi pergeseran proses menggunakan Average Run Length (ARL). Diagram kendali ini merupakan innovation dalam monitoring kualitas pada data yang tidak pasti.