RESUME JURNAL PENGENDALIAN KUALITAS

1. RESUME JURNAL PENGENDALIAN KUALITAS Bastian Edward T 3333081560

2. Perbandingan Sistem Mahalanobis-Taguchi ke StandarMetode statistik untuk Deteksi Cacat Abstrak. Sistem Mahalanobis-Taguchi merupakan metode diagnosis dan peramalan data multivariat.jarak Mahalanobis adalah ukuran didasarkan pada korelasi antara variabel dan berbedapola-pola yang dapat diidentifikasi dan dianalisis sehubungan dengan dasar atau kelompok referensi. menyajikan perbandingan Sistem Mahalanobis-Taguchi dan standar statistikTeknik untuk deteksi cacat dengan mengidentifikasi kelainan. Tujuan dari penelitian ini adalah untukmenyediakan sebuah metode untuk deteksi cacat dengan alpha diterima(kemungkinan tipe I) dan beta(Kemungkinan tipe II) kesalahan.

3. Pendahuluan Sistem Mahalanobis-Taguchi (MTS) adalah pengenalan pola teknologi yang membantu dalamkuantitatif keputusan dengan membangun sebuah skala pengukuran multivarian menggunakan data analitikmetode. Tujuan utama dari MTS adalah untuk membuat prediksi yang akurat dalam sistem multidimensidengan membangun skala pengukuran (Taguchi dan Jugulum, 2002). Pola pengamatan disistem multidimensi sangat bergantung pada struktur korelasi dari variabel-variabel dalamsistem. Orang bisa membuat keputusan yang salah tentang pola jika variabel masing-masing memandang secara terpisahtanpa mempertimbangkan struktur korelasi. Untukmembangun skala pengukuran multidimensi,adalah penting untuk memiliki mengukur jarak.pengendalian proses statistik, itu account untuk korelasi antara variabel prediktor dan memungkinkan untukalpha ditetapkan pengguna risiko pilihan. Batas-batas ditentukan dari data ini proses yang stabil digunakan saatmengevaluasi kinerja grafik pada empat set simulasi data.

4. HasilperhitunganStatistik 500 pengamatan disimulasikan dari distribusi normal multivariat dengan kunjungan untukfrekuensi yang sama tetapi empat ukuran yang berbeda: 0,5, 1,5, 2,5, dan 3,5 standar deviasi. Wisatabisa menjadi salah satu dari empat jenis: vektor outlier, outlier variabel individu, vektor pergeseran atau individuvariabel pergeseran. Table 1 Alpha and beta risk using a standard statistical approach Alpha Beta Production data 3.33% N/A 0.5 sigma shift 2.05% 21.10% 1.5 sigma shift 2.03% 26.67% 2.5 sigma shift 2.29% 10.67% 3.5 sigma shift 1.89% 10.93%

5. HasilperhitunganMahalanobis-Taguchi System Menggunakan data yang sama persis terdiri dari 500 observasi dengantujuh belas variabel, Mahalanobis jarak dihitung untuk menentukan pengamatandianggap cacat. Table 3 Alpha and beta risk using Mahalanobis Distance Alpha Beta Production data 3.35% N/A 0.5 sigma shift 2.00% 21.20% 1.5 sigma shift 2.60% 0.00% 2.5 sigma shift 4.40% 0.20% 3.5 sigma shift 1.80% 0.60%

6. Referensi [1] Asada M. (2001), Wafer yield prediction by the Mahalanobis-Taguchi system; IIE Transactions; 25- 28. [2] Chatfield C., Collins A.J.(1980), Introduction to Multivariate analysis; Chapman and Hall, London. [3] Cudney E., Hong J., Jugulum R., Paryani K., Ragsdell K., Taguchi G. (2007), An evaluation of Mahalanobis-Taguchi system and neural network for multivariate pattern recognition; Journal of Industrial and Systems Engineering 1(2); 139-150. [4] Cudney E., Paryani K., Ragsdell K. (2006), Applying the Mahalanobis-Taguchi system to vehicle handling; Concurrent Engineering: Research & Applications 14(4); 343-354.

7. Kesimpulan Pendekatan statistik standar dan hasil Mahalanobis jarak alpha risiko yang sama untukdata produksi dan empat tingkat pergeseran sigmaPendekatan statistik standar dan hasil Mahalanobis jarak alpha risiko yang sama untukdata produksi dan empat tingkat pergeseran sigma. Namun, hasil jarak Mahalanobis dalamPerbandingan SistemMahalanobis-Taguchi ke perhitunganstatistikpenurunan tajam dalam risiko beta sebagai peningkatan sigma bergeser sambil menunjukkan peningkatan risiko alfadalam beberapa kasus. Keuntungan dariteknik statistik didasarkan adalah bahwa "tuning" adalah otomatis, sebuah persentil dari distribusi adalahdipilih.Sebaliknya, MTS menyediakan skala pengukuranmultivariat sistem yang menggunakan ruang Mahalanobis yang berisi berarti, deviasi standar dankorelasi. Pengurangan dimensi di MTS didasarkan pada kemampuan skala untuk mengukurluar ruang Mahalanobis kondisi. Perbedaan utama antara lain PCA dan MTS adalahmenggunakan array ortogonal dalam MTS untuk mengurangi dimensi dalam hal variabel asli. Pengurangan dimensi didasarkan pada jarak Mahalanobisdan sinyal-to-noise (S / N) rasio.