Quality and Reliability Engineering
Dipublikasikan oleh Dias Perdana Putra pada 18 April 2024
Five whys
Lima Alasan (atau 5 Alasan) adalah metode penelitian berulang yang digunakan untuk menyelidiki hubungan sebab-akibat dari suatu masalah tertentu. Tujuan utama dari teknik ini adalah untuk menemukan akar penyebab kegagalan atau masalah dengan mengulangi pertanyaan “Mengapa?” lima kali. Jawaban kelima dari pertanyaan mengapa harus mengungkap akar penyebab masalahnya.
Teknik Taiichi Ohno adalah dengan bertanya "Mengapa?" tepat lima kali untuk menemukan satu akar permasalahan. Dalam praktiknya, ini adalah penganalisis akar permasalahan yang buruk karena analisis akar permasalahan jarang bersifat linier, jarang menampilkan satu akar permasalahan, dan jarang memiliki tepat lima masalah yang mengarah ke satu akar permasalahan. Untuk mengatasi hal ini, kelima alasan tersebut terkadang disalahartikan sebagai pertanyaan “Mengapa?” lebih dari lima kali dan Anda akan memiliki beberapa pertanyaan pada awalnya. Tidak ada literatur yang diterbitkan secara resmi mengenai berbagai penafsiran ini. Karena alasan ini dan alasan lainnya, beberapa pihak menyarankan untuk mengabaikan kelima alasan tersebut secara keseluruhan (lihat Kritik). Meskipun cara-cara ini diikuti dengan ketat, namun hasilnya tetap bergantung pada pengetahuan dan tekad orang-orang yang terlibat.
Contoh
Contoh masalah adalah: Kendaraan tidak mau hidup.
Contoh pertanyaan ini dapat dibawa ke level enam, tujuh atau lebih tinggi, tetapi lima iterasi pertanyaan biasanya cukup untuk mencapai akar permasalahan. Kuncinya adalah mendorong para pemecah masalah untuk menghindari asumsi-asumsi dan jebakan-jebakan logis, dan sebagai gantinya secara bertahap menelusuri sebab-akibat melalui lapisan-lapisan abstraksi ke akar permasalahan yang masih memiliki hubungan dengan masalah awal. Perhatikan bahwa dalam contoh ini, "Mengapa" yang kelima mengacu pada proses yang rusak atau perilaku yang dapat diubah, yang berarti turun ke tingkat akar permasalahan.
Jawaban akhir merujuk pada proses tersebut. Ini adalah salah satu aspek terpenting dari pendekatan lima mengapa - akar permasalahan harus benar-benar berhubungan dengan proses yang tidak berjalan dengan baik atau tidak ada. Direktur yang tidak terlatih sering kali mendapati bahwa jawabannya tampaknya bermuara pada jawaban klasik seperti tidak memiliki cukup waktu, investasi, atau sumber daya. Jawaban-jawaban ini mungkin benar, namun berada di luar kendali kita. Oleh karena itu, alih-alih bertanya kenapa?, kenapa prosesnya gagal?.
Sejarah
Teknologi ini awalnya dikembangkan oleh Sakichi Toyoda dan digunakan oleh Toyota Motor Corporation untuk mengembangkan metode produksinya sendiri. Ini merupakan bagian penting dari pelatihan pemecahan masalah yang merupakan bagian dari pengenalan Sistem Produksi Toyota. Arsitek Sistem Manufaktur Toyota Taiichi Ohno menggambarkan metode Lima Mengapa sebagai "fondasi pendekatan ilmiah Toyota, mengulangi mengapa lima kali untuk menjelaskan sifat masalah dan solusinya."
Alat ini telah banyak digunakan di luar Toyota dan sekarang digunakan di Kaizen, Lean Manufacturing, Lean Construction, dan Six Sigma. Kelima penyebab tersebut awalnya dikembangkan untuk memahami mengapa fitur produk atau teknik manufaktur baru diperlukan, dan tidak dikembangkan untuk analisis akar penyebab.Di perusahaan lain, bentuknya berbeda. Di bawah Ricardo Semler, Semco mempraktikkan "tiga alasan" dan memperluas praktik tersebut hingga mencakup penetapan tujuan dan pengambilan keputusan.
Teknik
Ada dua teknik utama yang digunakan untuk melakukan analisis lima penyebab: diagram tulang ikan (atau Ishikawa) dan format tabel. Kedua alat tersebut menyediakan kerangka kerja yang memungkinkan analisis bercabang yang dapat mengidentifikasi berbagai akar penyebab suatu masalah. Diagram tulang ikan, juga dikenal sebagai Ishikawa atau diagram sebab-akibat, menunjukkan kemungkinan penyebab suatu masalah melalui representasi grafis. Pada saat yang sama, format tabel menyediakan struktur tabel yang dapat digunakan untuk merinci setiap tingkat analisis lima penyebab, sehingga memudahkan untuk mencatat dan melacak setiap penyebab yang teridentifikasi. Kedua teknik ini bekerja sama untuk memberikan pemahaman mendalam tentang akar penyebab suatu masalah dan membantu mengembangkan solusi yang efektif.
Aturan melakukan analisis lima mengapa
Ada beberapa rekomendasi praktis yang dapat diikuti untuk memastikan bahwa proses tersebut membuahkan hasil yang berarti ketika menerapkan Analisis Lima Alasan. Pertama, penting untuk melibatkan manajemen secara aktif dalam keseluruhan proses. Keberhasilan analisis dapat ditingkatkan dengan pembentukan kelompok kerja yang tepat dan keterlibatan guru khusus dalam kasus mata pelajaran yang kompleks.
Selain itu, disarankan untuk mengandalkan kertas atau papan tulis daripada komputer saat menggunakan media. Pendekatan ini membantu memfasilitasi diskusi dan menangkap ide dengan lebih efektif. Penting untuk menyajikan masalah dengan jelas dan memastikan bahwa semua anggota tim memiliki pemahaman yang sama tentang masalah yang sedang dibahas.
Proses analitis memerlukan pembedaan penyebab sebenarnya dari gejala. Hal ini membantu tim mengidentifikasi akar penyebab sebenarnya, bukan hanya mengatasi gejala yang terlihat. Logika hubungan sebab-akibat antar faktor penyebab harus dipertimbangkan dengan cermat untuk memastikan pemahaman keseluruhan yang konsisten.
Ini adalah langkah penting untuk memastikan bahwa akar penyebab yang teridentifikasi benar-benar dapat menyebabkan kesalahan. Hal ini dapat dicapai dengan menerjemahkan kalimat hasil analisis dan menggunakan ungkapan “dan karena itu”. Kemudian, penting untuk menjawab pertanyaan secara lebih detail dan tidak terjebak pada kesimpulan umum.
Cari alasannya sedikit demi sedikit dan hindari langsung mengambil kesimpulan tanpa pemahaman yang mendalam. Hal ini memungkinkan tim untuk memahami secara menyeluruh kompleksitas masalah. Semua pernyataan harus didasarkan pada fakta dan informasi yang akurat, menghindari asumsi atau penilaian tanpa dukungan data.
Dalam konteks ini, kuncinya adalah fokus pada peningkatan proses daripada menyalahkan individu. Menciptakan suasana kepercayaan dan kejujuran dapat mendorong diskusi terbuka dan jujur, yang pada gilirannya mendukung pencarian solusi yang lebih efektif.
Jika Anda mencari jawaban atas pertanyaan "Mengapa?", tanyakan berulang kali hingga akar permasalahan sebenarnya terungkap. ditemukan. terungkap Hal ini mencegah solusi permukaan belaka dan memastikan hasil akhir yang menyeluruh. Terakhir, selalu ingat untuk melihat dari sudut pandang pelanggan, karena memahami dampaknya terhadap pelanggan dapat membantu mengidentifikasi akar permasalahan yang paling penting.
Kritik
Lima Penyebab telah dikritik sebagai alat yang kurang efektif untuk menganalisis akar permasalahan. Teruyuki Minoura, mantan CEO Toyota Global Procurement, berpendapat bahwa alat-alat ini terlalu sederhana dan gagal mencapai analisis mendalam yang diperlukan untuk memastikan solusi yang efektif. Kritik ini didasarkan pada beberapa alasan, termasuk kecenderungan peneliti untuk fokus pada gejala daripada penyebab yang lebih dalam, ketidakmampuan untuk melampaui pengetahuan peneliti saat ini, dan hasil yang sulit ditiru oleh orang lain.
Selain itu, alat ini tidak dianggap kurang dapat diandalkan. Dukungan yang memadai bagi para ilmuwan untuk memberikan jawaban yang berarti terhadap pertanyaan “mengapa” cenderung hanya mengisolasi satu akar permasalahan, meskipun setiap pertanyaan mungkin memiliki banyak akar penyebab. Profesor Kedokteran Alan J. Card juga mendukung kritik ini dan menyarankan agar kelima alasan ini ditolak sama sekali. Ia berpendapat bahwa kedalaman analisis lima penyebab bersifat artifisial dan tidak dapat berkorelasi dengan akar penyebab sebenarnya.Oleh karena itu, Card menyarankan penggunaan alat analisis akar penyebab lain, seperti diagram tulang ikan atau tulang cinta, yang dapat memberikan hasil yang lebih efektif. mengakses, pemahaman dan penanganan akar permasalahan secara lebih utuh dan menyeluruh.
Disadur dari : en.wikipedia.org
Quality and Reliability Engineering
Dipublikasikan oleh Dias Perdana Putra pada 18 April 2024
Analisis pohon kesalahan
Analisis pohon kesalahan (FTA) adalah jenis analisis kegagalan yang mengidentifikasi kondisi sistem kritis. Metode analisis ini digunakan dalam rekayasa keselamatan dan rekayasa keandalan untuk memahami bagaimana sistem gagal, mengidentifikasi cara terbaik untuk mengurangi risiko, dan menentukan (atau mendeteksi) kegagalan risiko keselamatan dan tingkat suatu sistem (fungsi). akan digunakan . TLC digunakan dalam industri dirgantara, nuklir, kimia dan pengolahan, farmasi, petrokimia, dan industri berisiko tinggi lainnya. Namun, hal ini juga digunakan di berbagai bidang seperti mengidentifikasi faktor risiko yang terkait dengan kegagalan sistem layanan sosial.
FTA juga digunakan dalam rekayasa perangkat lunak untuk tujuan debugging dan berkaitan erat dengan teknik pemecahan masalah yang digunakan untuk mendeteksi kesalahan. Ini digunakan untuk sesi terakhir. Dari pohon yang salah. Metode-metode ini diklasifikasikan menurut intensitas pengaruhnya. Kasus terburuk memerlukan pemeriksaan log kerusakan. Mekanisme kegagalan dan klasifikasi sistem ini ditentukan dalam analisis risiko operasional.
Penggunaan
Pertama, dapat digunakan untuk memahami logika yang mengarah ke peristiwa teratas atau keadaan yang tidak diinginkan. Analisis ini membuka wawasan tentang bagaimana suatu sistem dapat mengalami kegagalan.
Kedua, analisis pohon kesalahan membantu menunjukkan kepatuhan terhadap persyaratan keamanan dan kehandalan sistem, memastikan bahwa input sistem memenuhi standar keamanan yang ditetapkan.
Selanjutnya, metode ini memungkinkan prioritisasi kontributor yang berujung pada peristiwa teratas, membantu membuat daftar peralatan, suku cadang, atau peristiwa penting untuk berbagai ukuran penting. Hal ini membantu dalam manajemen sumber daya dengan lebih efisien.
Selain itu, analisis pohon kesalahan digunakan untuk memantau dan mengontrol kinerja keselamatan dari sistem kompleks. Misalnya, dapat digunakan untuk menentukan apakah pesawat aman untuk diterbangkan dalam kondisi tertentu atau untuk menghitung batasan waktu ketika suatu komponen tidak berfungsi.
Metode ini juga memiliki peran penting dalam meminimalkan dan mengoptimalkan sumber daya, mengidentifikasi cara terbaik untuk mengelola aset dan menjaga kinerja sistem secara optimal.
Selain itu, analisis pohon kesalahan berfungsi sebagai alat diagnostik untuk mengidentifikasi dan memperbaiki penyebab kejadian puncak. Ini memberikan panduan yang berguna untuk pengembangan manual atau proses diagnostik, membantu dalam upaya perbaikan dan pemeliharaan sistem secara keseluruhan.
Terakhir, FTA dapat menjadi alat desain yang membantu merancang suatu sistem, membantu menciptakan persyaratan yang lebih rendah atau output yang diinginkan. Oleh karena itu, analisis pohon kesalahan memainkan peran penting dalam siklus hidup sistem mulai dari desain hingga pemeliharaan.
Sejarah
Fault Tree Analysis (FTA) awalnya dikembangkan oleh H.A. H.A., disewa oleh AS Divisi Sistem Balistik Angkatan Udara akan mengevaluasi sistem kendali peluncuran rudal balistik antarbenua (ICBM) Minuteman I. Sistem ini didukung secara luas, sering didukung, dan telah digunakan sebagai alat analisis yang andal oleh para ahli tepercaya. Setelah pengumuman pertama penggunaan FTA dalam penelitian keselamatan operasional Minuteman pada tahun 1962, Boeing dan AVCO memperluas penggunaan FTA ke seluruh sistem Minuteman II pada tahun 1963–1964. FTA dibahas pada Simposium Keamanan Sistem tahun 1965 di Seattle, yang disponsori oleh Boeing dan Universitas Washington. Boeing mulai menggunakan FTA dalam desain pesawat sipil sekitar tahun 1966.Kemudian di Angkatan Darat AS, Picatinny Arsenal mengeksplorasi penerapan FTA untuk digunakan dengan cakupan pada tahun 1960an dan 1970an. Pada tahun 1976, Amerika Komando Materiel Angkatan Darat telah memasukkan FTA ke dalam Manual Desain Teknis untuk Desain untuk Keandalan. Institut Pertahanan Roma dan penerusnya, sekarang Pusat Informasi Teknis Pertahanan (sekarang Pusat Analisis Informasi Sistem Pertahanan), telah menerbitkan artikel tentang TLC dan desain blok keandalan sejak tahun 1960an. MIL -HDBK-338B adalah referensi yang lebih baru.
Pada tahun 1970, Administrasi Penerbangan Federal (FAA) menerbitkan Peraturan Kelaikan Udara untuk Pesawat Kategori Transportasi dalam Daftar Federal pada 35 FR 5665 (1970 -04), 14 CFR . ubah untuk 25.1309. - 08). Perubahan ini menyebabkan berkurangnya standar ketat untuk sistem dan peralatan pesawat terbang serta meluasnya penggunaan FTA dalam penerbangan. Pada tahun 1998, FAA mengeluarkan Perintah 8040.4, yang menetapkan kebijakan manajemen risiko, termasuk analisis risiko, untuk beberapa aktivitas penting selain sertifikasi pesawat, termasuk pengoperasian pesawat dan pembaruan AS. Sistem Wilayah Udara Nasional. Hal ini menyebabkan diterbitkannya Manual Keamanan Sistem FAA, yang menjelaskan penggunaan FTA dalam berbagai analisis risiko formal.Pada awal program Apollo, muncul pertanyaan tentang kemampuan mengirim astronot ke Bulan dan kembali lagi. Tinggal di pedesaan Perhitungan risiko atau keandalan dilakukan dan hasilnya menunjukkan bahwa kemungkinan keberhasilan misi sangat rendah.
Hasil ini menghalangi NASA untuk melakukan pengukuran risiko atau uji diagnostik lebih lanjut hingga setelah bencana Challenger pada tahun 1986. Sebaliknya, NASA memutuskan untuk menggunakan Mode Kegagalan dan Penilaian Dampak (FMEA) dan metode kualifikasi lainnya untuk menilai keamanan sistem. Setelah bencana Challenger, pentingnya penilaian risiko probabilistik (PRA) dan FTA dalam analisis risiko dan keandalan sistem diakui, dan penggunaannya di NASA mulai meningkat, dan FTA sekarang dianggap sebagai salah satu metode analisis keselamatan dan keandalan sistem yang paling penting.
Dalam industri tenaga nuklir, Komisi Pengaturan Nuklir AS mulai menggunakan prosedur PRA, termasuk FTA, pada tahun 1975, dan memperluas penelitian PRA setelah kecelakaan Three Mile Island tahun 1979. Hal ini akhirnya mengarah pada penerbitan NRC Defect Tree Manual NUREG-0492 pada tahun 1981 dan resep PRA oleh Administrator NRC. Administrasi Keselamatan dan Kesehatan Kerja (OSHA) dari Departemen Tenaga Kerja AS menerbitkan standar manajemen keselamatan (PSM) pada 19 CFR 1910.119 dalam Daftar Federal di 57 FR 6356 (24/02/1992). OSHA PSM mengakui FTA sebagai metode yang diterima untuk analisis bahaya proses (PHA).Saat ini, FTA banyak digunakan dalam rekayasa keselamatan dan keandalan sistem serta dalam semua teknik rekayasa utama.
Metodologi
Standar FTA mencakup NRC NUREG-0492 untuk industri nuklir, Aerospace Focused Evaluation NUREG-0492 untuk penggunaan NASA, SAE ARP4761 untuk industri dirgantara sipil, MIL-HDBK-338 untuk sistem militer, dan IEC 61025 untuk operasi transfer. dirancang untuk digunakan dan telah diadopsi sebagai standar Eropa EN 61025.
Bahkan sistem yang paling rumit pun dapat gagal karena kegagalan satu atau lebih subsistem. Namun risiko kegagalan dapat dikurangi dengan memperbaiki desain sistem. Analisis pohon kesalahan membuat diagram logika lengkap, memetakan hubungan antara kesalahan, subsistem, dan elemen desain keselamatan utama.
Hasil yang tidak diinginkan disebut akar (“kejadian utama”) dari pohon logika. Misalnya, dampak negatif dari proses penajaman tekanan logam diduga adalah keterikatan manusia. Melihat kembali peristiwa-peristiwa besar ini, kita dapat melihat bahwa hal ini dapat terjadi dalam dua cara: selama aktivitas normal atau selama aktivitas pemeliharaan. Kondisi ini logis OR. Jika kita memikirkan kecelakaan yang terjadi selama pengoperasian normal, kita dapat menyimpulkan bahwa hal ini dapat terjadi melalui dua cara. Artinya, menekan kawat dapat menimbulkan kerugian bagi pekerja, sedangkan menekan kawat dapat menimbulkan kerugian bagi orang lain. Ini adalah OR logis lainnya. Desainnya dapat diperbaiki dengan mengharuskan operator menekan dua tombol terpisah untuk memutar alat berat. Ini adalah operasi yang aman dalam mode AND yang logis. Tingkat kesalahan konversi. Ini menjadi alarm kesalahan yang dapat didekodekan.
Pohon kesalahan menunjukkan bilangan real untuk probabilitas kesalahan, dan program perangkat lunak dapat menghitung probabilitas kesalahan dari pohon kesalahan. Bila diketahui suatu peristiwa mempunyai lebih dari satu akibat, yaitu mempengaruhi beberapa subsistem, maka disebut penyebab umum atau mekanisme umum. Peristiwa ini biasanya terjadi di banyak area pohon. Penyebab umum menciptakan hubungan ketergantungan antar peristiwa. Penghitungan jauh lebih rumit untuk pohon yang memiliki banyak penyebab umum dibandingkan pohon yang semua kejadiannya dianggap independen. Tidak semua perangkat lunak yang tersedia secara komersial melakukan hal ini.
Pohon dibuat menggunakan simbol gerbang logika yang ada. Cut set adalah sekumpulan kejadian (biasanya kegagalan komponen) yang menghasilkan kejadian tinggi. Jika suatu peristiwa tidak dapat dihilangkan dari rangkaian pemotongan tanpa menghasilkan peristiwa yang tinggi, maka peristiwa tersebut disebut rangkaian pemotongan rendah.
Beberapa industri menggunakan pohon kesalahan dan pohon peristiwa (lihat Penilaian Potensi Risiko). Pohon kejadian dimulai dengan pemicu yang tidak diinginkan (kehilangan item penting, kegagalan komponen, dll.) dan mengikuti kejadian sistem lainnya hingga rangkaian produk akhir. Ketika setiap peristiwa baru dipertimbangkan, sebuah simpul baru ditambahkan ke pohon dengan membaginya dengan probabilitas bahwa salah satu cabang dihilangkan. Anda dapat melihat kemungkinan bahwa sejumlah "proyek akhir" akan muncul dari sesi awal yang digunakan di banyak pembangkit listrik tenaga nuklir AS dan sebagian besar wilayah AS. SAPHIRE dari Laboratorium Nasional Idaho digunakan oleh produsen, pelanggan internasional, dan pemerintah AS untuk menilai keamanan dan keandalan reaktor nuklir, pesawat ruang angkasa, dan Stasiun Luar Angkasa Internasional. Di luar Amerika Serikat, perangkat lunak RiskSpectrum adalah alat yang banyak digunakan untuk analisis pohon kesalahan dan kegagalan serta dilisensikan untuk digunakan di lebih dari 60% pembangkit listrik tenaga nuklir di seluruh dunia untuk penilaian potensi keselamatan. Perangkat lunak gratis tingkat profesional tersedia secara luas. SCRAM adalah alat sumber terbuka yang mengimplementasikan format pertukaran model Open-PSA standar terbuka untuk aplikasi penilaian keamanan potensial.
Simbol Grafis
Sinyal dasar yang digunakan dalam FTA dibagi menjadi sinyal perakitan, gateway dan sinyal transisi. Perbedaan kecil dapat digunakan dalam perangkat lunak FTA.
Simbol Acara
Tag peristiwa digunakan untuk peristiwa besar dan menengah. Peristiwa besar tidak terjadi dalam sistem yang salah. Peristiwa perantara dapat ditemukan di jalan keluar. Gejala-gejala kejadian tersebut adalah sebagai berikut :
Kode peristiwa default digunakan sebagai berikut: Peristiwa Utama: Kegagalan atau kesalahan komponen atau elemen sistem, misalnya sakelar macet di posisi terbuka. Peristiwa Eksternal: Sesuatu yang seharusnya terjadi (tidak salah). Insiden yang belum dijelajahi: Insiden yang informasinya tidak mencukupi atau insiden tanpa hasil. Konfigurasikan Peristiwa: Metode yang membatasi atau memengaruhi gerbang logika (misalnya mode kontrol tipikal) Untuk memberikan lebih banyak ruang untuk memasukkan deskripsi peristiwa, gerbang peristiwa perantara dapat digunakan lebih dari sekadar peristiwa utama. FTA adalah pendekatan top-down.
Simbol Gerbang
Simbol gerbang mewakili hubungan antara kejadian masukan dan keluaran. Simbol-simbol ini berasal dari simbol logika boolean.
Fungsi gerbangnya adalah: Gerbang OR: Terjadi masukan dan keluar. Gerbang AND: Output terjadi jika semua input terjadi (input tidak bergantung pada sumbernya). Gerbang OR Eksklusif: Output terjadi ketika hanya satu input yang muncul. DAN Gerbang Utama - Urutan Keluaran terjadi ketika masukan terjadi dalam urutan tertentu yang ditentukan oleh kondisi situasi. Gerbang penghambat: Keluaran terjadi ketika masukan berada dalam kondisi aktivasi yang ditentukan oleh peristiwa tertentu.
Simbol Transfer
Sinyal transport digunakan untuk menghubungkan input dan output dari pohon kesalahan terkait, seperti subsistem, ke sistem tersebut. NASA telah menyiapkan artikel lengkap tentang FTA dan proyek nyata.
Disadur dari: en.wikipedia.org
Quality and Reliability Engineering
Dipublikasikan oleh Dias Perdana Putra pada 18 April 2024
Perancangan Percobaan
Desain eksperimen (DOE atau DOX), juga dikenal sebagai peracangan percobaan atau desain eksperimen, adalah desain fungsional yang bertujuan untuk mendeskripsikan dan menjelaskan perubahan informasi berdasarkan ukuran yang diusulkan untuk mencerminkan perubahan tersebut. Istilah ini biasanya dikaitkan dengan eksperimen di mana desainnya mencakup ukuran-ukuran yang berkaitan langsung dengan variasi, namun bisa juga merujuk pada desain eksperimen semu di mana faktor-faktor lingkungan dipilih untuk mempengaruhi perbedaan yang seharusnya dilihat tes menetapkan tujuan, Ini memprediksi hasil dengan menggabungkan perubahan masa lalu, yang diwakili oleh satu atau lebih variabel independen, juga disebut “variabel terintegrasi” atau “variabel prediktor.” Dihipotesiskan bahwa perubahan pada satu atau lebih variabel bebas akan menyebabkan perubahan pada satu atau lebih variabel terikat, yang disebut “variabel hasil” atau “variabel respons”.
Desain eksperimental memungkinkan identifikasi variabel kontrol yang harus dijaga konstan agar outlier tidak mempengaruhi hasil. Desain eksperimen tidak hanya terdiri dari pemilihan variabel independen, dependen, dan kontrol yang sesuai, tetapi juga dalam merencanakan pelaksanaan eksperimen dalam kondisi statistik yang paling menguntungkan, dengan mempertimbangkan keterbatasan sumber daya yang tersedia. Ada banyak cara untuk menentukan kumpulan parameter desain (kumpulan unik pengaturan variabel tertentu) untuk digunakan dalam eksperimen.
Perhatian utama dalam desain eksperimen adalah memastikan kekuatan, keandalan, dan kemampuan pengulangan. Misalnya, permasalahan ini dapat diselesaikan sebagian dengan memilih variabel tertentu, mengurangi risiko kesalahan pengukuran, dan menulis prosedur untuk membuat informasi akurat. Masalah terkait mencakup pencapaian tingkat kekuatan dan sensitivitas statistik yang sesuai.
Tes yang dirancang dengan benar diakui sebagai alat utama untuk berhasil menerapkan Quality by Design (QbD) dan metode desain eksperimental yang digunakan di lingkungan, sosial di seluruh dunia, dan Meningkatkan pengetahuan Anda di lapangan teknologi. kerangka Aplikasi lain termasuk pemasaran dan pembuatan kebijakan. Studi tentang desain eksperimental merupakan topik penting dalam metasains.
Sejarah
Teori estimasi statistik, berdasarkan perkembangan statistik reguler, mencakup kontribusi penting dari Charles S. Peirce. Peirce menekankan pentingnya inferensi acak dalam statistik dalam dua publikasinya, "Outline of the Logic of Science" (1877-1878) dan "A Theory of Probable Inference" (1883).
Peirce bergabung dalam inisiatif ini. jalan Metode Uji coba acak dalam pengembangan statistik. Dalam eksperimennya, dia secara acak menugaskan sukarelawan untuk melakukan desain pengukuran buta yang dirancang untuk menilai kemampuan mereka dalam membedakan pemicu stres. Eksperimen Peirce menjadi sumber inspirasi untuk uji coba terkontrol secara acak di bidang psikologi dan pendidikan, yang menghasilkan metode penelitian yang berkembang pada abad ke-19.
Peirce juga berkontribusi pada desain ideal model tereduksi. Pada tahun 1876, ia menerbitkan makalah berbahasa Inggris pertama tentang desain model regresi yang optimal. Gergonne mengusulkan desain optimal untuk regresi polinomial pada tahun 1815, namun Peirce memelopori pengembangan ide ini, dan Kirstine Smith kemudian menerbitkan desain optimal untuk polinomial derajat 6 pada tahun 1918.Menggunakan serangkaian pengujian, di mana Desain masing-masing Pengujian tersebut mungkin bergantung pada hasil pengujian sebelumnya, termasuk kemungkinan keputusan untuk menghentikan pengujian, yang berada dalam area analisis sekuensial.
Abraham Wald memimpin pengembangan konsep ini dalam konteks pengujian hipotesis statistik berurutan. Analisis sekuensial mencakup urutan uji coba, yang dapat mempengaruhi keputusan untuk melanjutkan atau menghentikan uji coba. Herman Chernoff memberikan gambaran umum tentang desain sekuens optimal dan desain adaptif, termasuk desain sekuensial, di S. jax Salah satu jenis desain serial, yang pertama kali dikembangkan oleh Herbert Robbins pada tahun 1952, adalah "penembak jitu dua lengan", yang kemudian diperluas ke teknik penembak jitu multi-lengan.
Prinsip Fisher
Ronald Fisher mengembangkan metode desain eksperimental dalam karya penting "Organization of Field Experiments" (1926) dan "Design of Experiments" (1935). Karyanya, yang berfokus pada penerapan metode statistik pada pertanian, mendorong penggunaan metode ini dalam penelitian biologi, psikologi, dan pertanian.
Dalam penelitian eksperimental, penugasan acak mengacu pada penugasan acak individu ke kelompok berbeda. untuk mendistribusikan Siapkan pidato untuk membandingkan hasil pengobatan. Meskipun risiko ketidakseimbangan antara kelompok perlakuan dan kelompok kontrol harus dikelola, pengacakan mengurangi faktor perancu dan membantu mengidentifikasi efek pengobatan dengan lebih tepat.
Replikasi eksperimental merupakan langkah penting dalam mengatasi inkonsistensi dan ketidakpastian pengukuran; Anda akan dapat mengidentifikasi: Sumber variasi, reliabilitas dan validitas tes. Sebelum replikasi dapat dimulai, persyaratan tertentu harus dipenuhi, seperti menyajikan hasil asli dan upaya replikasi seefisien mungkin.Kendalanya adalah menyusun unit pengujian ke dalam kelompok serupa untuk mengurangi perbedaan antar unit. Ortogonalitas mengacu pada variabel positif dan tidak berkorelasi yang dapat dibandingkan secara langsung. Berbagai desain eksperimen yang membandingkan beberapa faktor secara bersamaan berguna untuk menilai pengaruh dan interaksi faktor. Analisis desain eksperimen mengandalkan analisis varians untuk mengisolasi varians yang diamati.
Disadur dari: en.wikipedia.org
Quality and Reliability Engineering
Dipublikasikan oleh Dias Perdana Putra pada 18 April 2024
Customer satisfaction
Kepuasan pelanggan (sering disingkat CSAT) adalah istilah yang sering digunakan dalam pemasaran. Ini mengukur bagaimana produk dan layanan perusahaan memenuhi atau melampaui harapan pelanggan. Kepuasan pelanggan didefinisikan sebagai "jumlah atau persentase semua pelanggan yang melaporkan pengalamannya dengan suatu perusahaan, produk atau layanannya (peringkat) melebihi sasaran kepuasan yang ditentukan." Pelanggan memainkan peran penting dan kritis dalam menjaga produk atau layanan tetap relevan; Oleh karena itu, kepentingan bisnis adalah memastikan kepuasan pelanggan dan membangun loyalitas pelanggan.
Dewan Standar Akuntabilitas Pemasaran (MASB) mendukung definisi, sasaran, dan ukuran yang muncul dalam Metrik Pemasaran sebagai bagian dari Program Bersama yang sedang berlangsung. Bahasa dalam proyek pemasaran. Dalam survei terhadap hampir 200 eksekutif pemasaran senior, 71 persen mengatakan mereka menganggap metrik kepuasan pelanggan sangat berguna dalam mengelola dan memantau bisnis mereka. Kepuasan pelanggan dianggap sebagai metrik bisnis utama dan sering kali menjadi bagian dari Balanced Scorecard. Dalam pasar yang kompetitif di mana perusahaan bersaing untuk mendapatkan pelanggan, kepuasan pelanggan dipandang sebagai pembeda utama dan menjadi bagian yang semakin penting dalam strategi bisnis.
Tujuan
Sebuah bisnis idealnya terus mencari umpan balik untuk meningkatkan kepuasan pelanggan.
Faris dkk. menulis bahwa "kepuasan pelanggan adalah indikator utama niat membeli dan loyalitas konsumen." Penulis juga menulis bahwa “data kepuasan pelanggan adalah salah satu indikator sentimen pasar yang paling umum dikumpulkan. Data ini memiliki dua kegunaan utama:
Dalam organisasi, pengumpulan, analisis, dan penyebaran informasi memainkan peran penting dalam menyampaikan pesan tentang pentingnya kepedulian terhadap pelanggan dan bahwa mereka memiliki pengalaman positif terhadap produk dan layanan perusahaan. Meskipun penjualan atau pangsa pasar dapat menjadi indikator kinerja perusahaan saat ini, kepuasan pelanggan muncul sebagai indikator utama mengenai seberapa besar kemungkinan pelanggan melakukan pembelian tambahan di masa depan. Banyak penelitian yang meneliti hubungan antara kepuasan pelanggan dan retensi pelanggan. Hasil penelitian menunjukkan bahwa konsekuensi kepuasan pelanggan paling terasa dalam skenario ekstrem. Oleh karena itu, pemahaman mendalam mengenai kepuasan pelanggan merupakan kunci strategis untuk membangun hubungan yang langgeng dan meningkatkan kinerja perusahaan dalam jangka panjang.
Pada skala lima poin, "orang-orang yang menilai kepuasan mereka pada angka 5 kemungkinan besar akan menjadi pelanggan tetap dan bahkan mungkin menginjili perusahaan. Ukuran kepuasan penting lainnya adalah kesediaan untuk merekomendasikan. Metrik tersebut didefinisikan sebagai: "rasio . pelanggan yang disurvei yang mengindikasikan bahwa mereka akan merekomendasikan merek tersebut kepada teman-temannya." Studi kepuasan pelanggan sebelumnya menunjukkan bahwa ketika pelanggan puas dengan suatu produk, mereka cenderung merekomendasikannya kepada teman, keluarga. Ini bisa menjadi pemasaran yang ampuh keuntungan.. Menurut Faris dkk., “[i]individu yang menilai tingkat kepuasannya 1 kemungkinan besar tidak akan kembali. Selain itu, mereka dapat merugikan perusahaan dengan memberikan feedback negatif kepada calon pelanggan. Kesediaan untuk merekomendasikan adalah indikator kunci kepuasan pelanggan.
Dasar teoritis
Literatur penelitian mengkaji asumsi kepuasan pelanggan dari berbagai perspektif. Perspektif ini berkisar dari psikologis hingga fisik serta normatif. Namun, sebagian besar literatur berfokus pada dua konstruksi utama: (a) ekspektasi sebelum membeli atau menggunakan suatu produk, dan (b) persepsi pelanggan terhadap fungsionalitas produk setelah digunakan.
Ekspektasi pelanggan terhadap suatu produk bergantung pada cara pelanggan berpikir tentang produk tersebut. produk akan berfungsi. . Konsumen dianggap memiliki “jenis” ekspektasi yang berbeda-beda ketika membentuk opini tentang kinerja yang diharapkan suatu produk. Miller (1977) menjelaskan empat jenis ekspektasi: ideal, ekspektasi, minimum yang dapat ditoleransi, dan diinginkan. Day (1977) menjelaskan berbagai ekspektasi, termasuk ekspektasi mengenai biaya, karakteristik produk, manfaat, dan nilai sosial.
Pelanggan diharapkan mengevaluasi produk berdasarkan serangkaian standar dan atribut yang terbatas. Olshavsky dan Miller (1972) dan Olson dan Dover (1976) merancang penelitian mereka untuk memanipulasi kinerja produk aktual dan bertujuan untuk menentukan bagaimana ekspektasi mempengaruhi penilaian kinerja yang dirasakan. Tujuan dari penelitian ini adalah untuk menjelaskan perbedaan antara ekspektasi dan kinerja yang dirasakan."
Beberapa penelitian menunjukkan bahwa kepuasan pelanggan memiliki komponen emosional atau afektif yang kuat. Penelitian lain menunjukkan bahwa kepuasan pelanggan kognitif dan afektif saling berkaitan. Seiring berjalannya waktu, hal ini menentukan kepuasan secara keseluruhan.
Khusus untuk barang tahan lama yang dikonsumsi sepanjang waktu, ada gunanya melihat kepuasan pelanggan secara dinamis. Dalam perspektif dinamis, kepuasan pelanggan dapat berubah seiring waktu. Ketika pelanggan berulang kali menggunakan produk atau berinteraksi dengan layanan kepuasan yang dialami dalam setiap interaksi (kepuasan transaksional) dapat mempengaruhi total kepuasan kumulatif. Para ahli menunjukkan bahwa ini bukan hanya tentang kepuasan pelanggan secara keseluruhan, tetapi juga tentang loyalitas pelanggan, yang berkembang seiring berjalannya waktu.
Model Diskonfirmasi
“Model konfirmasi didasarkan pada perbandingan [ekspektasi] pelanggan dan peringkat [kinerja] mereka. Secara khusus, ekspektasi individu dikonfirmasi ketika produk berkinerja sesuai harapan. Model ini menerima konfirmasi negatif ketika kinerja produk lebih buruk dari yang diharapkan. menerima konfirmasi positif ketika kinerja produk melampaui harapan (Churchill dan Suprenant 1982) Paradigma diskonfirmasi tradisional dijelaskan oleh empat konstruksi yang disebut harapan, kinerja, ketidakpastian dan kepuasan Pembelian dan penggunaan dihasilkan dari perbandingan manfaat dan manfaat yang diharapkan oleh pembeli. terhadap konsekuensi yang diharapkan dari atribut produk." Model kepuasan kognitif dan afektif juga telah dikembangkan dalam literatur dan mempertimbangkan alternatifnya (Pfaff, 1977). Churchill dan Suprenant pada tahun 1982 mengulas berbagai penelitian dalam literatur dan memberikan gambaran proses diskonfirmasi pada gambar berikut: “
Konstruksi
Formulir kepuasan layanan pelanggan enam poin empat item
Organisasi harus mempertahankan pelanggan yang sudah ada dan fokus pada pelanggan potensial. Mengukur kepuasan pelanggan dapat menunjukkan keberhasilan organisasi dalam menghadirkan produk dan/atau layanan ke pasar.
"Kepuasan pelanggan diukur pada tingkat individu, namun hampir selalu pada tingkat agregat, misalnya, hotel dapat Meminta tamu untuk memberi peringkat pengalaman mereka di meja depan dan layanan check-in, kamar, fasilitas dalam kamar, restoran, dan banyak lagi. Semua hotel juga dapat meminta “kenikmatan total selama menginap”.
Seiring dengan kemajuan penelitian tentang pengalaman bersantap, konsumen menggabungkan dua jenis manfaat: hedonis dan utilitarian, untuk lebih memahami produk dan layanan. bukti bahwa orang-orang membeli. Manfaat hedonis adalah: Terkait dengan kualitas kognitif dan pengalaman produk. Manfaat praktis suatu produk berkaitan dengan sifat praktis dan kinerjanya (Batra dan Athola 1990) Hal ini bervariasi dari orang ke orang dan produk. /layanan vs. produk/layanan Terdapat perbedaan, dan kepuasan bergantung pada berbagai variabel psikologis dan fisik yang terkait dengan perilaku positif, seperti tingkat pengembalian dan tingkat rujukan. Hal ini juga bergantung pada opsi lain yang tersedia bagi pelanggan dan produk lain yang konfigurasi produknya dibandingkan oleh pelanggan.
Pekerjaan yang dilakukan oleh Parasuraman, Zeithaml, dan Berry (Leonard L) antara tahun 1985 dan 1988 digunakan untuk mengukur garis dasar . Kepuasan pelanggan terhadap suatu layanan diukur dengan perbedaan antara harapan pelanggan dan pengalaman mereka terhadap layanan tersebut. Hal ini memberikan pengukuran suatu target, efisiensi pengukuran "celah". Karya Cronin dan Taylor mengusulkan teori "konfirmasi/diskonfirmasi" yang menggabungkan "kesenjangan" yang dijelaskan oleh Parasuraman, Zeithaml, dan Berry sebagai dua dimensi berbeda (persepsi dan ekspektasi kinerja) menjadi satu ukuran tindakan tunggal yang berbasis ekspektasi.Mengukur kepuasan menggunakan survei kepuasan pelanggan berskala Likert Pelanggan diminta menilai setiap pernyataan berdasarkan persepsi dan harapan mereka terhadap kinerja organisasi yang diukur.
Ukuran kualitas yang baik adalah tingkat kepuasan yang tinggi. beban, keandalan yang baik dan variasi kesalahan yang rendah. Sebuah studi perbandingan ukuran kepuasan yang umum digunakan mengungkapkan bahwa dua skala variabilitas multi-item lebih efektif dalam konteks konsumsi jasa hedonis dan utilitarian. Penelitian yang dilakukan Wirtz dan Lee (2003) menemukan bahwa skala perbedaan bahasa dengan dua item, tujuh item, dan skala perbedaan bahasa dengan enam item, tujuh item (misalnya, Oliver dan Swan 1983) mempunyai kinerja yang baik. Dalam pelayanan dan penggunaan hedonis. Butir soalnya sangat bagus dan dapat diandalkan, dengan perbedaan kesalahan yang sangat kecil di antara kedua penelitian tersebut.
Dalam penelitian ini, 6 item meminta responden untuk menilai pengalaman terkini mereka dengan layanan ATM dan restoran es krim, dan dari 6 item tersebut, 7 item berkisar dari “puas” hingga “tidak puas”, “puas dengan buruk”, dan “puas dengan a banyak." . saya tidak bisa melihat , “Melakukan hal yang baik untuk diri sendiri, melakukan hal yang buruk untuk diri sendiri”, “Memilih kebijaksanaan atas pilihan yang buruk”, “Berbahagia karena tidak menjadi baik”. Skala Diferensial Semantik (4 item), skala bipolar 7 poin dan 4 item (misalnya, Eroglu & Machleit 1990 ), adalah ukuran kinerja dan konsistensi terbaik kedua di kedua konteks. Dalam survei ini, responden diminta menilai pengalaman mereka dengan dua produk berdasarkan empat item: "Saya suka~perbedaan", "Saya suka~tidak suka", "Saya suka~tidak suka" dan "Saya sangat menyukainya sehingga saya menyukainya " . Aku tidak suka itu. '. "Aku tidak suka itu". "Aku tidak terlalu baik." Skala terbaik ketiga adalah skala bipolar 7 poin dengan satu item (misalnya, Westbrook 1980), yang merupakan ukuran persentase satu item. Selain itu, responden diminta menilai pengalaman mereka di layanan ATM dan restoran es krim dengan skala tujuh poin dari “baik hingga buruk”. baiklah, ukuran tidak masalah. jangkar .
Efektivitas menangkap sikap pelanggan (positif/negatif) terhadap suatu produk, yang dapat diperoleh dari informasi atau pengalaman produk. Di sisi lain, karakteristik psikologis adalah bagaimana kinerja suatu produk dibandingkan dengan ekspektasi (atau melebihi atau tidak memenuhi ekspektasi), apakah produk tersebut baik (atau tidak efektif), apakah benar (atau salah) untuk situasi tersebut, dan kapan kinerjanya. produk memenuhi harapan, keputusan dibuat atau keputusan dibuat apakah sesuatu telah terlampaui. Ini mungkin memerlukan (atau mungkin tidak memerlukan lebih banyak) fitur.
Terminal umpan balik kepuasan pelanggan HappyOrNot empat poin satu item
Penelitian terbaru menunjukkan bahwa di sebagian besar aplikasi bisnis, seperti perusahaan yang melakukan survei pelanggan, skala item tunggal dan multi-item dapat digunakan. Khususnya pada penelitian berskala besar dimana peneliti harus mengumpulkan data dari konsumen dalam jumlah besar, skala item lebih disukai karena dapat mengurangi kesalahan penelitian. Hasil yang menarik dari survei pelanggan di perusahaan yang sama baru-baru ini adalah bahwa hanya 50% responden memberikan penilaian positif ketika diwawancarai kembali, meskipun tidak ada pertemuan layanan antara pelanggan dan perusahaan di antara penelitian. Hasil survei menunjukkan efek “perbedaan dari rata-rata” terhadap respons kepuasan pelanggan, dengan kelompok responden yang mendapat skor terendah pada survei pertama turun ke tingkat menengah pada survei kedua, yaitu kelompok responden yang mendapat skor tertinggi. . alto terpaksa mundur. Pada studi kedua, angkanya turun ke tingkat rata-rata.
Metodologi
Indeks Kepuasan Pelanggan Amerika (ACSI) adalah standar ilmiah untuk kepuasan pelanggan. Penelitian akademis menunjukkan bahwa skor ACSI nasional sangat memprediksi pertumbuhan produk domestik bruto (PDB) dan bahkan lebih kuat lagi memprediksi pertumbuhan pengeluaran konsumsi pribadi (PCE).
Pada tingkat mikroekonomi, studi akademis menunjukkan bahwa data ACSI terkait dengan kinerja keuangan perusahaan dalam hal laba atas investasi (ROI), penjualan, nilai jangka panjang perusahaan (Tobin's q), arus kas, volatilitas arus kas, modal manusia. hasil, hasil portofolio, pembiayaan utang, risiko dan belanja konsumen. Peningkatan skor ACSI telah terbukti memprediksi loyalitas, rekomendasi dari mulut ke mulut, dan perilaku pembelian. ACSI setiap tahunnya mengukur kepuasan pelanggan di lebih dari 200 perusahaan di 43 industri dan 10 sektor ekonomi. Selain laporan triwulanan, metodologi ACSI dapat diterapkan pada perusahaan sektor swasta dan lembaga pemerintah untuk meningkatkan loyalitas dan niat membeli.
Model Kano adalah teori pengembangan produk dan kepuasan pelanggan yang dikembangkan pada tahun 1980-an oleh Profesor Noriaki Kano mengklasifikasikan preferensi pelanggan ke dalam lima kategori: menarik, satu dimensi, wajib, sewenang-wenang, terbalik. Model Kano memberikan informasi tentang atribut produk yang dianggap penting oleh pelanggan.SERVQUAL atau RATER adalah kerangka kualitas layanan yang disertakan dalam survei kepuasan pelanggan (misalnya Barometer Kepuasan Pelanggan Norwegia yang dimodifikasi) untuk menunjukkan perbedaan antara harapan dan pengalaman.
Pelanggan.J.D. Power and Associates menawarkan ukuran kepuasan pelanggan lainnya yang dikenal sebagai akses teratas dan peringkat otomotif. J.D. Riset pasar Power and Associates sebagian besar terdiri dari survei konsumen dan dikenal publik karena skor penghargaan produknya.Perusahaan riset dan konsultasi lain juga menawarkan solusi kepuasan pelanggan. Ini termasuk A.T. Proses peninjauan kepuasan pelanggan Kearney, yang mencakup kerangka Tahapan Keunggulan dan membantu menentukan status perusahaan berdasarkan delapan dimensi yang diidentifikasi secara kritis.
Net Promoter Score (NPS) juga digunakan untuk mengukur kepuasan pelanggan. Pada skala 0-10, skor ini mengukur kesediaan pelanggan untuk merekomendasikan perusahaan kepada orang lain. Meskipun banyak kritik ilmiah, NPS banyak digunakan dalam praktik. Popularitas dan penggunaannya yang luas disebabkan oleh kesederhanaan dan metode yang tersedia untuk umum.Dalam survei kepuasan pelanggan B2B yang basis pelanggannya kecil, tingkat respons survei yang tinggi sangat diharapkan.
Indeks Kepuasan Pelanggan Amerika (2012) menemukan bahwa survei kertas memiliki tingkat respons sekitar 10%, dan survei elektronik (web, wap, dan email) rata-rata memiliki tingkat respons 5-15%, yang hanya memberikan sedikit kesulitan. opini.Di negara-negara anggota Uni Eropa, banyak metode yang digunakan untuk mengukur dampak dan kepuasan layanan pemerintah elektronik, yang coba dibandingkan dan diselaraskan oleh proyek eGovMoNet.Metode kepuasan pelanggan ini bukan MASB ( Dewan Standar Akuntabilitas Pemasaran ), yang dipantau secara independen oleh MMAP (Protokol Audit Metrik Pasar).
Ada banyak strategi operasional untuk meningkatkan kepuasan pelanggan, namun pada tingkat dasar Anda perlu memahami harapan pelanggan.Baru-baru ini, ada telah terjadi peningkatan minat dalam memprediksi kepuasan pelanggan menggunakan data besar dan metode pembelajaran mesin (karakteristik perilaku dan demografi sebagai prediksi) untuk menerapkan tindakan proaktif yang ditargetkan yang bertujuan menghindari pergantian, keluhan, dan ketidakpuasan.
Disadur dari: en.wikipedia.org
Quality and Reliability Engineering
Dipublikasikan oleh Dias Perdana Putra pada 18 April 2024
Korelasi
Dalam statistik, korelasi atau ketergantungan mengacu pada hubungan statistik antara dua variabel acak atau data bivariat, baik kausal atau tidak. Khususnya dalam konteks statistik, istilah "korelasi" sering kali mengacu pada derajat hubungan linier antara sepasang variabel. Contoh fenomena dependen adalah hubungan antara tinggi badan orang tua dan keturunannya, serta hubungan antara harga suatu barang dan jumlah yang dibeli oleh konsumen, seperti yang ditunjukkan pada kurva permintaan.
Korelasi berguna karena dapat menunjukkan prediksi. hubungan yang dapat digunakan dalam praktek. Misalnya, sebuah perusahaan utilitas mungkin menghasilkan lebih sedikit listrik pada siang hari berdasarkan korelasi antara permintaan listrik dan cuaca. Dalam situasi ini terdapat hubungan sebab akibat dimana kondisi cuaca ekstrim memaksa masyarakat untuk menggunakan lebih banyak listrik untuk pemanas atau pendingin. Pada saat yang sama, perlu dicatat bahwa keberadaan korelasi tidak cukup untuk menyimpulkan adanya hubungan sebab akibat, karena korelasi tidak selalu menunjukkan hubungan sebab akibat.
Secara formal, korelasi dianggap sebagai variabel acak. bergantung jika tidak memenuhi sifat matematis dari kemungkinan independensi. Dalam istilah teknis, korelasi dapat merujuk pada berbagai operasi matematika spesifik antara variabel yang diuji dan nilai yang diharapkan terkait. Beberapa koefisien korelasi yang umum digunakan, seperti koefisien korelasi Pearson (sering dilambangkan dengan ρ atau r), yang mengukur derajat korelasi, khususnya hubungan linier antara dua variabel. Koefisien korelasi lainnya, seperti korelasi peringkat Spearman, dirancang agar lebih kuat daripada korelasi Pearson, sehingga lebih sensitif terhadap hubungan non-linier. Konsep saling informasi juga dapat diterapkan untuk mengukur ketergantungan antara dua variabel.
Koefisien momen produk Pearson
Ukuran umum ketergantungan antara dua variabel adalah Koefisien Korelasi Pearson Product Moment (PPMCC), atau yang sering disebut dengan “Koefisien Korelasi Pearson”. Koefisien ini diperoleh dengan mengambil rasio kovarians dua variabel dalam kumpulan data numerik yang dinormalisasi dengan akar kuadrat variansnya. Secara matematis, koefisien ini dihitung dengan membagi kovarians dua variabel dengan produk deviasi standarnya. Karl Pearson mengembangkan koefisien ini berdasarkan gagasan serupa yang dikemukakan oleh Francis Galton.
Koefisien korelasi momen masukan Pearson berupaya menentukan garis yang paling sesuai antara kumpulan data dua variabel dengan menjumlahkan nilai yang diharapkan, dan koefisien ini menunjukkan berapa lama kumpulan data menyimpang dari nilai sebenarnya yang diharapkan. Tanda koefisien korelasi Pearson dapat digunakan untuk menentukan apakah terdapat korelasi negatif atau positif antar variabel data.Koefisien korelasi populasi ρ (rho) antara dua variabel acak X dan Y, nilai yang diharapkan μX dan μY , dan simpangan baku σX dan σY, didefinisikan sebagai :
Dimana E adalah operator nilai yang diharapkan, cov menunjukkan kovarians, dan corr adalah notasi alternatif yang banyak digunakan untuk koefisien korelasi. Korelasi Pearson ditentukan hanya jika kedua simpangan baku berhingga dan positif. Rumus alternatif yang hanya berdasarkan momen adalah:
Koefisien korelasi peringkat
Koefisien korelasi peringkat, seperti koefisien korelasi peringkat Spearman dan koefisien korelasi peringkat Kendall (τ), mengukur sejauh mana kenaikan suatu variabel cenderung meningkat pada variabel lain, tanpa peningkatan tersebut harus diwakili oleh hubungan linier. Jika satu variabel meningkat dan variabel lainnya menurun, maka koefisien korelasi ranknya negatif. Koefisien korelasi peringkat umumnya dianggap sebagai alternatif terhadap koefisien Pearson, digunakan untuk mengurangi jumlah perhitungan atau membuat distribusi koefisien kurang sensitif terhadap outlier. Namun, pandangan ini tidak memiliki dasar matematis karena koefisien korelasi peringkat mengukur jenis asosiasi yang berbeda dengan koefisien korelasi product-moment Pearson dan paling baik dipandang sebagai jenis asosiasi yang berbeda daripada ukuran populasi alternatif. koefisien korelasi.
Untuk mengilustrasikan sifat korelasi peringkat dan perbedaannya dengan korelasi linier, perhatikan empat pasang angka berikut
(x, y):(0, 1), (10, 100) , ( 101 , 500) , (102, 2000))
Saat kita berpindah dari setiap pasangan ke pasangan berikutnya, x bertambah dan begitu pula y. Hubungan ini sempurna dalam arti kenaikan x selalu dibarengi dengan kenaikan y. Artinya kita mempunyai korelasi rank yang sempurna dan koefisien korelasi Spearman dan Kendall sebesar 1, sedangkan pada contoh ini koefisien korelasi product-moment Pearson adalah 0,7544, yang menunjukkan bahwa skornya jauh dari garis lurus. Demikian pula, jika y selalu berkurang seiring bertambahnya x, koefisien korelasi peringkatnya adalah -1, sedangkan koefisien korelasi Pearson bisa mendekati -1 tergantung seberapa dekat titik-titik tersebut dengan garis. Meskipun dalam kasus ekstrim korelasi peringkat sempurna kedua koefisien sama (baik +1 atau keduanya -1), hal ini biasanya tidak terjadi, sehingga nilai kedua koefisien tidak dapat dibandingkan secara bermakna. Misalnya, untuk tiga pasangan (1, 1), (2, 3), (3, 2), koefisien Spearman adalah 1/2, sedangkan koefisien Kendall adalah 1/3.
Ukuran ketergantungan lainnya di antara variabel acak
Informasi yang diberikan oleh koefisien korelasi tidak cukup untuk menentukan struktur ketergantungan antar variabel acak. Koefisien korelasi sepenuhnya mendefinisikan struktur ketergantungan hanya dalam kasus yang sangat tertentu, misalnya ketika distribusinya merupakan distribusi normal multivariat. Dalam kasus distribusi elips, hal ini mencirikan elips (hiper) dengan kepadatan yang sama; namun, hal ini tidak sepenuhnya mencirikan struktur ketergantungan (misalnya, derajat kebebasan distribusi t multivariat menentukan tingkat ketergantungan ekor).
Korelasi jarak diperkenalkan untuk mengatasi kekurangan korelasi Pearson yang bisa menjadi nol untuk variabel acak dependen; korelasi jarak nol menyiratkan independensi.
Koefisien Ketergantungan Acak adalah ukuran ketergantungan berbasis kopula yang efisien secara komputasi antara variabel acak multivariat. RDC bersifat invarian terhadap penskalaan variabel acak non-linier, mampu menemukan berbagai pola asosiasi fungsional, dan mengambil nilai nol pada independensi.
Untuk dua variabel biner, rasio odds mengukur ketergantungannya, dan mengambil rentang bilangan non-negatif, kemungkinan tak terhingga: [0, +∞]. Statistik terkait seperti Yule's Y dan Yule's Q menormalkan hal ini ke kisaran seperti korelasi [-1,1]. Rasio kemungkinan digeneralisasikan menggunakan model logistik untuk memodelkan kasus di mana variabel terikatnya bersifat diskrit dan dapat berupa satu atau lebih variabel bebas.
Rasio korelasi, informasi timbal balik berbasis entropi, korelasi total, korelasi berganda total, dan korelasi berganda adalah semuanya. . juga dapat mengidentifikasi ketergantungan yang lebih umum, misalnya dengan mempertimbangkan kopula di antara keduanya, sedangkan koefisien determinasi menggeneralisasi koefisien korelasi menjadi regresi berganda.
Sensitivitas terhadap distribusi data
Derajat ketergantungan antara variabel X dan Y tidak tergantung pada derajat pengungkapan variabel-variabel tersebut. Artinya ketika kita menganalisis hubungan antara X dan Y, perubahan tersebut tidak akan mempengaruhi sebagian besar indikator korelasi. Hal ini berlaku untuk beberapa statistik korelasional dan juga untuk statistik populasi. Beberapa statistik korelasi, seperti koefisien korelasi peringkat, juga invarian terhadap transformasi monotonik dari distribusi marjinal X dan/atau Y.
Koefisien korelasi Pearson/Spearman dalam interval (0,1). Sebagian besar ukuran korelasi sensitif terhadap bagaimana X dan Y diambil sampelnya. Ketergantungan ini biasanya lebih kuat ketika melihat nilai-nilai yang lebih luas. Jadi jika Anda melihat koefisien korelasi antara tinggi badan ayah dan anak laki-laki di antara semua laki-laki dewasa dan membandingkannya dengan koefisien korelasi yang sama yang dihitung ketika ayah dipilih dengan tinggi badan antara 165 dan 170 cm, korelasinya lebih lemah pada anak laki-laki. kasus Beberapa metode telah dikembangkan dan sering digunakan dalam meta-analisis untuk mengoreksi pembatasan rentang pada satu atau kedua variabel; yang paling umum adalah Persamaan Kasus II dan Kasus III Thorndike.
Berbagai ukuran korelasi yang digunakan mungkin tidak terdefinisi untuk distribusi gabungan X dan Y tertentu. Misalnya, koefisien korelasi Pearson didefinisikan dalam momen dan oleh karena itu tidak akan terdefinisi jika momennya tidak terdefinisi. Ukuran ketergantungan berdasarkan kuantil selalu ditentukan. Statistik sampel yang dirancang untuk memperkirakan ukuran ketergantungan populasi mungkin memiliki sifat statistik yang diinginkan, seperti ketidakbiasan atau kontinuitas asimtotik, namun mungkin tidak, berdasarkan struktur spasial populasi dari mana data tersebut berasal.
Sensitivitas terhadap distribusi data. data dapat dieksploitasi. Misalnya, korelasi berskala dirancang untuk menggunakan sensitivitas rentang untuk memilih korelasi antar komponen rangkaian waktu cepat. Dengan memperkecil rentang nilai secara terkendali, korelasi yang terjadi dalam jangka panjang akan tersaring dan hanya korelasi dengan skala waktu pendek yang terungkap.
Disadur dari: en.wikipedia.org
Quality and Reliability Engineering
Dipublikasikan oleh Dias Perdana Putra pada 18 April 2024
Bagan Kendali
Peta kendali adalah desain grafis yang digunakan dalam pengendalian produksi untuk menentukan apakah kualitas dan proses produksi dikontrol secara stabil. Pengendalian waktu disusun dalam grafik, dan variabel dievaluasi berdasarkan perbedaan data dari kondisi saat ini atau di luar batas kendali. Diagram kendali diklasifikasikan sebagai Diagram Kontrol Individual Shewhart (ISO 7870-2) dan CUSUM (atau Diagram Kontrol Kumulatif Kumulatif) (ISO 7870-4).
Diagram kontrol, juga dikenal sebagai Diagram Shewhart (setelah Walter A. ). Shewhart) bagan perilaku proses adalah alat kendali statistik yang digunakan untuk menentukan apakah suatu proses manufaktur atau bisnis terkendali. Lebih tepatnya, peta kendali adalah alat grafis untuk pemantauan proses statistik (SPM). Kebanyakan diagram kendali tradisional dirancang untuk memantau parameter proses ketika bentuk dasar distribusi proses diketahui. Namun, di abad ke-21, tersedia teknik yang lebih canggih untuk mengontrol aliran data yang masuk tanpa mengetahui distribusi prosesnya. Rencana energi yang tidak terdistribusi menjadi semakin populer.
Gambaran Umum
Jika analisis peta kendali menunjukkan bahwa proses saat ini berada dalam kendali (yaitu stabil, dengan variasi dari sumber yang umum pada proses), tidak diperlukan perubahan atau perubahan pada parameter kendali. Data proses juga dapat digunakan untuk memprediksi kinerja masa depan. Jika grafik menunjukkan bahwa tidak ada kontrol, analisis Anda dapat menentukan penyebab variasi tersebut. Hal ini karena kinerja proses menurun. Proses yang stabil tetapi beroperasi di luar batas yang diinginkan (ditentukan) (misalnya tingkat keseimbangan berada dalam kendali statistik tetapi mungkin melebihi batas yang diinginkan) Kemampuan untuk memahami masalah kinerja saat ini dan meningkatkan kinerja proses.
Rencana operasi adalah salah satu dari tujuh alat kontrol kualitas dasar. Plot daya digunakan untuk data deret waktu, juga dikenal sebagai data kontinu atau variabel. Ini juga dapat digunakan untuk data yang sangat mirip (yaitu ketika Anda ingin membandingkan sampel yang diambil pada waktu yang sama atau hasil karya orang yang berbeda). Namun, Anda harus mempertimbangkan jenis grafik yang digunakan untuk melakukan hal ini.
Sejarah
Walter A. Shewhart, yang bekerja di Bell Laboratories pada tahun 1920-an, mengembangkan rencana operasional. Insinyur perusahaan bekerja untuk meningkatkan keandalan sistem telekomunikasi. Penguatan dan peralatan lainnya harus dikubur di bawah tanah, yang membuat bisnis lebih efisien untuk mengurangi jumlah kerusakan dan perbaikan. Pada tahun 1920-an, para insinyur menyadari pentingnya mengurangi variasi produksi. Kami juga menyadari bahwa perubahan proses karena ketidaksesuaian meningkatkan variabilitas dan menurunkan kualitas.
Shewhart membingkai masalah ini dalam kaitannya dengan penyebab umum dan spesifik ketidaksetaraan, dan pada tanggal 16 Mei 1924, dia menulis memo internal yang menguraikan bagan organisasi sebagai cara untuk menguraikannya. Bos Shewhart, George Edwards, mengenang: "Dr. Shewhart menyiapkan catatan singkat tentang sebuah halaman. Sekitar sepertiga halaman dikhususkan untuk desain sederhana yang sekarang kita kenal sebagai desain, dan yang sekarang kita kenal sebagai kendali mutu. Itu secara sederhana menggambarkan semua prinsip dan konsep penting yang terlibat dalam keberadaan." Shewhart menekankan bahwa proses produksi perlu dibawa ke kondisi kendali statistik dan variasi faktor yang acak, dan menjaganya tetap terkendali, guna memprediksi kinerja masa depan dan mengendalikan proses secara ekonomis.
Shewhart meletakkan fondasinya untuk kontrol. Bagan dan konsep dikontrol secara statistik melalui eksperimen yang dirancang dengan cermat. Meskipun Shewhart berpegang pada teori matematika statistik, ia mengakui bahwa data dari proses fisik menghasilkan "distribusi normal" (distribusi Gaussian, juga dikenal sebagai "kurva panah"). Ia menemukan bahwa perbedaan yang diamati pada data produksi tidak sama dengan data alam (pergerakan partikel Brown). Shewhart menyimpulkan bahwa meskipun semua proses berbeda, beberapa proses menunjukkan perbedaan makna pekerjaan, sedangkan proses lainnya menunjukkan perbedaan yang tidak ditemukan dalam sistem sebab akibat dari proses tersebut.Pada tahun 1924 atau 1925, Shewhart menangkap inovasi tersebut.
Hal ini menarik perhatian W. Edwards Deming, yang saat itu bekerja di Hawthorne House. Deming kemudian bekerja untuk Departemen Pertanian Amerika Serikat, di mana dia menjadi konsultan matematika di Amerika Serikat. Biro Sensus. Setengah abad kemudian, Deming menjadi pemimpin dan mentor yang hebat dalam karya Shewhart. Setelah kekalahan Jepang pada akhir Perang Dunia II, Deming menjabat sebagai penasihat statistik Panglima Tertinggi Angkatan Darat. Melalui keterlibatannya di Jepang dan bertahun-tahun sebagai konsultan industri di sana, gagasan Shewhart dan penggunaan rencana manajemen menyebar ke seluruh manufaktur Jepang selama tahun 1950an dan 1960an.Bonnie Small, bekerja di Allentown Setelah pembangunan transistor 1950 ' S. pabrik Meningkatkan kinerja pabrik dalam pengendalian kualitas menggunakan metode Shewhart dan pembuatan hingga 5000 rencana pengendalian. Pada tahun 1958, bukunya, 『Western Electric Statistics Quality Control Manual』 diterbitkan dan digunakan di AT&T.
Detail Bagan
Peta kendali adalah alat statistik yang berisi indikator-indikator yang mewakili pengukuran statistik karakteristik kualitas sampel yang diambil dari proses pada waktu yang berbeda. Disebut juga data. Rata-rata atau median statistik dihitung menggunakan semua sampel dan garis median ditarik pada rata-rata atau median tersebut. Selain itu, deviasi standar statistik dihitung menggunakan seluruh sampel atau untuk periode referensi tertentu yang dapat digunakan untuk menilai perubahan. Batas kendali atas dan bawah juga dikenal sebagai "batas proses alami" dan mewakili ambang batas di mana efek proses dianggap "tidak dapat diterima", biasanya 3 standar deviasi dari garis tengah.
Grafik kekuatan memiliki fitur lain, mungkin Hal ini mencakup peringatan atau batas kendali yang lebih ketat, zonasi, dan dokumentasi kejadian terkait ketika insinyur kualitas bertanggung jawab atas kualitas proses. Grafik juga dapat mencakup fitur untuk alasan tertentu dan aturan pencarian sinyal, seperti area di luar kendali, rangkaian tujuh sinyal, pergerakan di atas atau di bawah tujuh poin. Aturan-aturan ini akan membantu Anda mendeteksi perubahan signifikan dalam proses Anda dan memandu tindakan perbaikan.
Penggunaan Grafik
Jika proses dikendalikan dengan statistik proses, 99,7300% dari seluruh titik akan berada dalam batas kendali. Pengamatan yang berada di luar batas, atau pola sistematis di dalamnya, menunjukkan munculnya sumber variasi baru (dan tidak terduga), yang dikenal sebagai variasi penyebab spesifik. Bagan kendali yang "menunjukkan" adanya masalah tertentu harus segera diselidiki, karena peningkatan variabilitas akan meningkatkan biaya kualitas.
Ini akan membantu memantau area pengambilan keputusan penting. Domain kontrol memberikan informasi tentang perilaku proses tanpa hubungan intrinsik apa pun dengan tujuan desain atau spesifikasi teknis. Dalam praktiknya, rata-rata proses (dan garis dasar) mungkin tidak sesuai dengan nilai (dan target) karakteristik kualitas yang ditentukan karena desain proses mungkin tidak memberikan tingkat karakteristik proses yang diinginkan.
Batas atau target diagram kendali terbatas . Dalam praktiknya, praktik yang paling efektif adalah dengan meminimalkan variasi proses, namun orang yang terlibat dalam proses tersebut (misalnya insinyur mesin) mungkin tertarik pada proses sesuai dengan kebutuhan. Mencoba menciptakan suatu proses di mana pusat lingkungan tidak sesuai dengan kegiatan yang direncanakan sesuai dengan persyaratan yang ditetapkan akan meningkatkan variabilitas proses, meningkatkan biaya secara signifikan, dan banyak inefisiensi administratif.
Namun, studi dinamika proses menguji hubungan antara batas proses alami (batas kendali) dan persyaratan.Tujuan bagan kendali adalah untuk memberikan cara mudah untuk mengidentifikasi peristiwa, yang mengindikasikan peningkatan perubahan proses. Keputusan sederhana ini bisa menjadi sulit ketika keadaan proses terus berubah. Bagan kekuatan memberikan dasar statistik untuk perubahan. Ketika perubahan diidentifikasi dan dianggap positif, alasannya harus diidentifikasi dan cara kerja yang baru harus diidentifikasi. Jika perubahan yang dilakukan salah, penyebabnya harus diidentifikasi dan dihilangkan.
Tujuan penambahan zona peringatan atau membagi peta kendali menjadi beberapa zona adalah untuk memberikan peringatan dini jika terjadi masalah. Daripada segera memulai proses perbaikan proses untuk menentukan apakah ada masalah tertentu, insinyur kualitas dapat meningkatkan laju pengambilan sampel produk proses untuk sementara sampai jelas bahwa proses terkendali. Dengan menggunakan batasan 3-sigma, sebuah sinyal muncul kurang dari satu kali dalam 22 sinyal untuk proses putaran, dan kira-kira satu dalam 370 (1/370.4) sinyal untuk proses distribusi normal. Tingkat peringatan 2-sigma dicapai kira-kira sekali setiap 22 (1/21.98) titik yang ditemukan pada data berdistribusi normal. (Misalnya, mean sampel terbesar dari sebagian besar distribusi yang mendasarinya adalah variabel yang didistribusikan menurut kebijakan batas pusat).
Walter A. Shewhart menetapkan batas 3-sigma (ukuran 3 standar) dengan beberapa referensi dasar: Pertama, didasarkan pada hasil perkiraan pertidaksamaan Chebyshev, yang menyatakan bahwa probabilitas deviasi k deviasi standar dari mean adalah sebagai maksimum 1/k^2. Shewhart kemudian menyatakan ketidaksetaraan Vysochanskii-Petunin, yang berlaku pada distribusi probabilitas unimodal, dan menyatakan bahwa probabilitas hasil lebih besar dari k deviasi standar dari mean adalah 4/(9k ^2).\ nJuga, sangat umum dalam distribusi normal.
Diketahui bahwa 99,7% observasi terjadi dalam 3 pengukuran mean yang berbeda. Shewhart merangkum pemikirannya dengan mengatakan bahwa pembenaran kriteria batas 3-Sigma harus berasal dari bukti empiris bahwa pendekatan tersebut berhasil. Meskipun awalnya dia menguji pembatasan distribusi probabilitas, Shewhart akhirnya menyimpulkan bahwa semua harapan untuk menemukan bentuk fungsional unik untuk f telah gagal. : Teorema Neyman-Pearson. Menurut Deming, di sebagian besar situasi industri, ketidakpastian populasi dan kerangka sampel menyulitkan penggunaan metode statistik tradisional. Demikian berpendapat bahwa ketiga ambang batas memberikan panduan praktis dan ekonomis untuk dua jenis kesalahan: mengatribusikan varians ke penyebab spesifik yang merupakan bagian dari sistem (kesalahan Tipe I) dan mengatribusikan varians ke penyebab spesifik (kesalahan Tipe I) ke penyebab umum. Faktanya, penyebabnya adalah faktor independen (kesalahan tipe II).
Saat menghitung batas kendali, deviasi standar yang diperlukan adalah varians dalam proses dari penyebabnya. Oleh karena itu, penduga umum seperti model varians tidak digunakan karena memperkirakan jumlah kesalahan kuadrat yang hilang dari faktor persekutuan dan varians dari faktor independen. Anda dapat menggunakan metode yang menggunakan rasio interval sampel terhadap deviasi standar. Dampaknya lebih kecil terhadap pengamatan kritis yang mengindikasikan permasalahan tertentu.
Disadur dari: en.wikipedia.org