Evaluasi Performa dari Diagram Kontrol Multivariat berbasis Independen Principal Component Analysis (PCA)

Muhammad Ahsan, Hidayatul Khusna

Abstract


Diagram kontrol multivarian akan efektif ketika jumlah karakteristik kualitas yang terlibat tidak terlalu besar. Sejumlah besar karakteristik kualitas dapat mengurangi kemampuan untuk mendeteksi setiap perubahan dalam suatu proses dan juga menyebabkan masalah multikolinieritas. Untuk mengatasi masalah ini, integrasi Principal component analysis (PCA) dan diagram kontrol digunakan. PCA adalah metode yang dapat mengubah sejumlah besar variabel berkorelasi menjadi beberapa komponen utama yang tidak berkorelasi tanpa kehilangan informasi. Paper ini akan fokus untuk mengevaluasi kinerja diagram kontrol multivariat berdasarkan Independen PCA menggunakan Average Run Length (ARL) melalui studi simulasi. Dari proses simulasi dapat dilihat bahwa Independen PCA memiliki probabilitas kinerja yang mirip untuk mendeteksi false alarm untuk semua jenis korelasi dan jumlah karakteristik. Namun, kemampuan untuk mendeteksi pergeseran menurun ketika terjadi peningkatan korelasi dan jumlah karakteristik kualitas.

Keywords


Multivariate Control Chart; Principal Component Analysis; Average Run Length

Full Text:

PDF

References


P. Phaladiganon, S. B. Kim, V. C. P. Chen, and W. Jiang, “Principal component analysis-based control charts for multivariate nonnormal distributions,” Expert Systems with Applications, vol. 40, no. 8, pp. 3044–3054, 2013.

D. Montgomery, Introduction to statistical quality control. New York, 2009.

T. Kourti, “Application of latent variable methods to process control and multivariate statistical process control in industry,” International Journal of Adaptive Control and Signal Processing, vol. 19, no. 4, pp. 213–246, 2005.

R. L. Mason and J. C. Young, Multivariate Statistical Process Control with Industrial Application, 1st ed. Philadelpia: American Statistical Association and Society for Industrial and Applied Mathematics, 2002.

J. E. Jackson and G. S. Mudholkar, “Control Procedures for Residuals Associated with Principal Component Analysis,” Technometrics, vol. 21, no. 3, pp. 341–349, 1979.

J. E. Jackson, “Quality Control Methods for Several Related Variables,” Technometrics, vol. 1, no. 4, pp. 359–377, 1959.

J. E. Jackson, A user’s guide to principal components, vol. 587. John Wiley & Sons, 2005.

Z. Wu, J. Jiao, M. Yang, Y. Liu, and Z. Wang, “An enhanced adaptive CUSUM control chart,” IIE Transactions (Institute of Industrial Engineers), vol. 41, no. 7, pp. 642–653, 2009.




DOI: http://dx.doi.org/10.12962/j27213862.v1i2.6733

Refbacks

  • There are currently no refbacks.


Bookmark and Share


Creative Commons License
Inferensi by Department of Statistics ITS is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Based on a work at https://iptek.its.ac.id/index.php/inferensi.

ISSN:  0216-308X

e-ISSN: 2721-3862

Web Analytics Made Easy - StatCounter View My Stats