NAMA : Tb M ARIF ALIUDIN NPM : 082681 KELAS : NR ( A )

1. NAMA : Tb M ARIF ALIUDINNPM : 082681KELAS : NR ( A ) PENDEKATAN JARINGAN SYARAF TIRUAN UNTUK PROSES MULTI-ATRIBUT PENGENDALIAN DENGAN PERBANDINGAN DUA TEKNIK KINI DAN GUIDELEINES UNTUK PENGGUNAAN PRAKTIS

2. Baik industri manufaktur dan jasa berurusan dengan karakteristik kualitas yangtermasuk tidak variabel saja, tetapi atribut juga. Di bidang Quality Control adasubstansial telah penelitian di bidang variabel berkorelasi (kontrol multivariat yaitugrafik), namun, pekerjaan kecil telah dilakukan di bidang atribut berkorelasi. Untuk mengontrolproduk atau jasa kualitas proses multi-atribut, beberapa isu muncul. Sejumlah tinggialarm palsu (Type I error) terjadi dan kemungkinan tidak mendeteksi kenaikan cacatketika proses ini dipantau oleh satu set peta kendali uni-atribut. Selanjutnya,merencanakan dan memantau beberapa bagan kendali atribut uni-membuat pekerjaan tambahan untukkualitas personil.Untuk saat ini, metode standar untuk membangun peta kendali multi-atribut belumsepenuhnya dievaluasi. Dalam penelitian ini, tiga berbagai teknik untuk secara simultanatribut pemantauan proses berkorelasi telah dibandingkan: pendekatan normal,yang np chart-multivariat (MNP chart), dan sebuah usulan baru teknik Jaringan Syaraf Tiruan.Pendekatan normal adalah teknik aproksimasi binomial multivariat dan distribusi Poisson sebagai distribusi normal. Np chart multivariat (MNP chart) adalahberdasarkan grafik kontrol Shewhart tradisional yang dirancang untuk proses beberapa atribut.

3. Backpropagation Neural Network teknik telah dikembangkan untuk ini penelitian. Setiap teknik harus mampu mengidentifikasi out-proses-kontrol sedangkanmempertimbangkan semua atribut berkorelasi secara bersamaan.Untuk membandingkan tiga teknik percobaan dirancang untuk dua berkorelasiatribut. Penelitian terdiri dari tiga tingkat proporsi tidak sesuai p, tiganilai dari matriks korelasi, tiga ukuran sampel, dan tiga magnitudo pergeseranproporsi yang tidak sesuai baik dalam arah positif atau negatif. Setiap teknikdievaluasi berdasarkan pada panjang berjalan rata-rata dan jumlah ulangan dengan benardiidentifikasi mengingat arah perubahan (positif atau negatif). Kinerja yang dihasilkanuntuk ketiga teknik pada kondisi yang bervariasi mereka proses disajikan dan dibandingkan.Dari penelitian ini, telah mengamati bahwa tidak ada satu teknik melebihi dua lainnyateknik untuk semua kondisi proses. Dalam rangka untuk memilih teknik yang sesuai, pengguna harusmemiliki pengetahuan tentang sifat proses mereka danmemahami risiko yang terkaitdengan melakukan kesalahan Tipe I dan II. Pedoman cara terbaik untuk memilih dan menggunakan multi-proses teknik kendali atribut disediakan

4. Grafik Control telah digunakan sebagai alat untukmemantau layanan industri danterkait proses selama beberapa dekade. Secara umum, diagram kontrol dapat dikategorikan ke dalam duakelompok dengan jenis karakteristik mutu. Sebuah karakteristik kualitas, yang diukurpada skala numerik, disebut variabel. X, S dan grafik R secara luas digunakan untuk memantaumean dan variabilitas variabel. Namun, tidak semua karakteristik mutu dapatdiukur secara numerik. Jenis ini karakteristik kualitas mengklasifikasikan item diperiksa sebagaibaik sesuai atau tidak sesuai dengan spesifikasi tertentu. Kualitas terakhirkarakteristik disebut atribut. Dalam cara yang sama, p, np, c dan-u grafikbanyak digunakan untuk mengamati berarti atribut. dimana p dan n adalah proporsi sampel tidak sesuai dan ukuran masing-masing. Statistik estimasi p p jika p tidak diketahui.

5. Control Chart untuk Jumlah Produk tidak sesuai (np-chart)Untuk chart-p, operator mengubah jumlah item yang tidak sesuai disampel untuk proporsi yang tidak sesuai. Proses konversi dapat dibuang olehberalih ke np-chart karena jumlah item yang tidak sesuai dari sampel diplotbukannya proporsi yang tidak sesuai. Ada satu kelemahan dalam grafik-np. Thekontrol batas dan tengah akan berubah ketika ukuran sampel bervariasi. Kontrol batas danrumus tengah diberikan di bawah ini. Control Chart untuk Jumlah Ketidaksesuaian (c-chart)A c-chart digunakan ketika jumlah cacat atau ketidaksesuaian dalam item adalahperhatian khusus, seperti jumlah lasan cacat di 10 meter dari pipa minyak, jumlah cacat pada 100 m2 kain, dll Dalam membangun c-chart, ukuran sampel disebut daerah kesempatan. Luas peluang dapat terdiri dari unit asingle atau unit beberapa item. Sebuah wilayah ukuran konstan peluang diperlukan bila c-chart dibangun. Ini peta kendali mengasumsikan bahwa distribusi yang mendasari terjadinya ketidaksesuaian dalam sampel berukuran konstan Poisson. Batas-batas tengah dan kontrol diberikan di bawah ini.

6. AnalisisKomponenUtama (PCA) AnalisisKomponenUtamamerupakanteknik yang bergunauntukpengendalianprosesmultivariatstatistik, terutamadengan data ukuranbesardanvariabelberkorelasi. UmumkonsepPCA adalahmengurangidimensimatriks data dari m ke k (k <m). Para mengurangi account matriksdimensibagisebagianbesarvariabilitasdalam data asli. PokokAnalisisKomponenmenghitungvektor, disebutkomponenutamapertama, yang merupakankombinasi linier darivariabel m ukuran. Barisiniadalaharahmaksimalvariansdandidefinisikansehinggadapatmeminimalkanpenyimpanganortogonaldarisetiaptitik data. Sebuahvektorsatuan, yang mendefinisikanarahdarikomponenutama, disebuteigenvektorsebuah. Jaraksetiaptitik data asli, yang diproyeksikansepanjangdalamkomponenutama, disebutskor-z (zi). Komponenkeduadiperolehdengancara yang samasebagaikomponenutamapertamatetapidipasangmelaluivariasisisakomponenpertama. Keduakomponenpertamadankeduaadalah orthogonal. Pendekataninidilanjutkansampaikomponenutama m, yang ortogonal, diperoleh. Untukbesar set 16data, seringditemukanbahwakomponen k pertama (k <<m) menjelaskansebagianbesarvariasidalam data matriks.

7. Menurut Jackson24 AnalisisKomponenUtama (PCA) dapatbergunadalampengendaliankualitasprosesmultivariatkarenamengubahsatu set variabelberhubungandengansatu set baruvariabeltidakberkorelasi. Kualitasinsinyurkemudiandapat plot grafikkontrolindividudari set variabeltidakberkorelasi. Namun, Tipe I kesalahanmeningkatketikavariabeldimonitorsecara individual. Teknik, sepertiHotellingT² BisamengurusinimeningkatTipe I kesalahan. Dari Jackson 25 Pelatihan DataTiga populasi digunakan untuk melatih dan memvalidasi jaringan. Populasi pertama terdiri dari 100 sampel data unshifted. Dua lainnya populasi terdiri dari 100 sampel masing-masing dengan proporsi proses baik itu tidak sesuai dialihkan ke tiga deviasi standar (satu populasi dalam arah positif dan yang lainnya di arah negatif). dimana p adalah jumlah item tidak sesuai dibagi dengan ukuran sampel dan n adalahukuran sampel.

8. Validasi modelDalam rangka untuk memastikan bahwa data yang dihasilkan (atau data input untuk semua teknik)memiliki proporsi yang ditetapkan tidak sesuai dan tingkat korelasi, keluaran dari modul-sub pertama diuji. Data dihasilkan selama lima kondisi proses tidak sesuai dengan proporsi bervariasi, koefisien korelasi, dan ukuran sampel. Setiap kondisi proses memiliki dua set data: pelatihan dan pengujian. Setiap set terdiri pelatihan dan pengujian sampel dari tiga negara proses: (1) di-kontrol (2) out-of-kontrol dengan proporsi tidak sesuai bergeser tiga deviasi standar dalam arah positif, dan (3) out-of-control dengan proporsi tidak sesuai bergeser tiga standar deviasi ke arah negatif. Sepuluh ulangan masing-masing dengan biji yang berbeda nomor acak yang diuji untuk setiap kondisi. Untuk kondisi masing-masing, tiga hipotesis null diuji: • p1 = p10,• p2 = p20, dan• koefisien korelasi ditentukan sampel = koefisien korelasi.

9. Untuk hipotesis null, p1 dan p2 adalah proporsi sampel tidak sesuai untukatribut 1 dan 2 masing-masing atribut, dan p10 dan p20 merupakan proporsi yang ditentukan tidak sesuai untuk atribut 1 dan atribut 2. Tingkat signifikansi 0,05 telah disesuaikanoleh tiga sejak tiga hipotesis yang diuji. Tabel B.1 melalui Tabel B.5 pada Lampiran Bmenunjukkan jumlah hipotesis null diterima untuk setiap kondisi proses. Hasilmenunjukkan bahwa proporsi sampel tidak sesuai tidakberbeda nyata dariproporsi tertentu tidak sesuai untuk semua kondisi proses. Korelasikoefisien untuk beberapa ulangan secara signifikan berbeda dari yangditentukan