Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKKualitas menjadi salah satu faktor penting dalam menjaga tingkat kompetitif sebuah perusahaan di persaingan industri yang semakin ketat ini. Metode statistik yang dikenal dengan Statistical Process Control (SPC) yang memiliki alat utama control chart digunakan untuk pengendalian kualitas tersebut. Penelitian ini mengambil studi kasus produksi sambungan pipa berbahan perunggu yang memiliki beberapa karakteristik cacat yang berkorelasi. Jenis control chart yang tepat untuk mengendalikan kualitas dengan karakteristik tersebut adalah multi- attribute control chart. Hasil penerapan multi-attribute control chart fase I dan II menemukan adanya proses yang di luar kendali, dan kemudian diidentifikasi kontributor utamanya dan dianalisis penyebabnya.

---

ABSTRACTQuality becomes one of the most important factor for sustaining company competitiveness in this tight industry competition. To control the quality, they commonly use statistical method which is known as Statistical Process Control (SPC) that has control chart as the main tool. This research studied a case of bronze pipe fittings production which has some correlated nonconforming characteristics. To control quality with that characteristic, the appropriate type of control chart is multi-attribute control chart. From the result of phase I and II multi-attribute control chart application, it was indicated that there were out-of- control processes which then were identified and analyzed."

"Proses produksi di industri modern yang semakin kompleks dapat menyebabkan proses berautokorelasi dan juga berkorelasi antar variabel. Untuk memonitor proses tersebut diperlukan metode yang tepat untuk menghindari terjadinya tipe error I (false alarm) maupun tipe error II dalam process monitoring. Pendekatan Artificial Neural Network (ANN) diketahui mampu menangani masalah yang kompleks pada proses multi variabel maupun multi atribut yang berkorelasi. Penelitian ini mengaplikasikan ANN untuk memonitor proses pengendalian kualitas multi atribut dengan data riil pengendalian kualitas suatu perusahaan manufaktur dan membandingkan performa ANN tersebut dengan multi-attribute control chart yang sudah ada dari perhitungan average run length.

---

Production process in modern industry, which is getting more complex, could make process autocorrelated and also correlated between each variable. It is necessary to use the right method on process monitoring to prevent type I error (false alarm) and type II error. Artificial Neural Network (ANN) approach is known as capable method to handle complex problem on correlated mutlivariable or multi-attribute process. This study applies ANN to monitor multi-attribute quality control process using real quality control data from a manufacture company, and also compares the performance of ANN with the existing multiattribute control chart based on average run length calculation."