RESUME JURNAL PENGENDALIAN KUALITAS

Bastian Edward T3333081560

Perbandingan Sistem Mahalanobis-Taguchi ke Standar Metode 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 berbeda pola-pola yang dapat diidentifikasi dan dianalisis sehubungan dengan dasar atau kelompok referensi. menyajikan perbandingan Sistem Mahalanobis-Taguchi dan standar statistik Teknik 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.

PendahuluanSistem 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 multidimensi dengan membangun skala pengukuran (Taguchi dan Jugulum, 2002). Pola pengamatan disistem multidimensi sangat bergantung pada struktur korelasi dari variabel-variabel dalam sistem. Orang bisa membuat keputusan yang salah tentang pola jika variabel masing-masing memandang secara terpisah tanpa mempertimbangkan struktur korelasi. Untuk membangun 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 saat mengevaluasi kinerja grafik pada empat set simulasi data.

Hasil perhitungan Statistik

500 pengamatan disimulasikan dari distribusi normal multivariat dengan kunjungan untuk frekuensi yang sama tetapi empat ukuran yang berbeda: 0,5, 1,5, 2,5, dan 3,5 standar deviasi. Wisata bisa menjadi salah satu dari empat jenis: vektor outlier, outlier variabel individu, vektor pergeseran atau individu variabel pergeseran.

Table 1 Alpha and beta risk using a standard statistical approach

Alpha BetaProduction data 3.33% N/A0.5 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%

Hasil perhitungan Mahalanobis-Taguchi SystemMenggunakan data yang sama persis terdiri dari 500 observasi dengan tujuh belas variabel, Mahalanobis jarak dihitung untuk menentukan pengamatandianggap cacat.

Table 3 Alpha and beta risk using Mahalanobis Distance

Alpha BetaProduction data 3.35% N/A0.5 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%

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 ofMahalanobis-Taguchi system and neural network for multivariate pattern recognition; Journal ofIndustrial and Systems Engineering 1(2); 139-150.[4] Cudney E., Paryani K., Ragsdell K. (2006), Applying the Mahalanobis-Taguchi system to vehiclehandling; Concurrent Engineering: Research & Applications 14(4); 343-354.

KesimpulanPendekatan statistik standar dan hasil Mahalanobis jarak alpha risiko yang sama untuk data produksi dan empat tingkat pergeseran sigma Pendekatan statistik standar dan hasil Mahalanobis jarak alpha risiko yang sama untuk data produksi dan empat tingkat pergeseran sigma. Namun, hasil jarak Mahalanobis dalam Perbandingan Sistem Mahalanobis-Taguchi ke perhitungan statistik penurunan tajam dalam risiko beta sebagai peningkatan sigma bergeser sambil menunjukkan peningkatan risiko alfa dalam beberapa kasus. Keuntungan dari teknik statistik didasarkan adalah bahwa "tuning" adalah otomatis, sebuah persentil dari distribusi adalah dipilih. Sebaliknya, MTS menyediakan skala pengukuran multivariat sistem yang menggunakan ruang Mahalanobis yang berisi berarti, deviasi standar dan korelasi. Pengurangan dimensi di MTS didasarkan pada kemampuan skala untuk mengukur luar ruang Mahalanobis kondisi. Perbedaan utama antara lain PCA dan MTS adalah menggunakan array ortogonal dalam MTS untuk mengurangi dimensi dalam hal variabel asli . Pengurangan dimensi didasarkan pada jarak Mahalanobis dan sinyal-to-noise (S / N) rasio.