Distribusi weibull

Membandingkan kinerja metode clements, box-cox, Johnson dengan distribusi weibull untuk menilai kemampuan proses pada Filosofi manufaktur dan lingkungan bisnis terus berubah (Moges-Kasie & Moges-Belay, 2013). Di banyak perusahaan dan industri, ada inisiatif untuk memastikan kualitas produk. Inisiatif ini terkait dengan literatur manajemen dalam hal bagaimana manajer mengambil keputusan berdasarkan data. Kajian kapabilitas proses memiliki tujuan utama yaitu mengendalikan proses organisasi menuju nilai target, dan penyebab variasi dan secara berurutan menghilangkan penyebab (Brannstrom-Stenberg & Deleryd, 1999). Pada prinsipnya, kapabilitas proses dapat didefinisikan sebagai kemampuan kombinasi bahan, metode, orang, mesin, peralatan, dan pengukuran untuk menghasilkan produk yang secara konsisten memenuhi persyaratan desain atau harapan pelanggan (Kane, 1986). Perkembangan terbaru dalam penilaian kemampuan proses telah mendorong prinsip pemantauan terus menerus dan penilaian kemampuan suatu proses untuk memenuhi kebutuhan pelanggan (Spiring, 1995). lvarez, Moya-Fernández, Blanco-Encomienda dan Muñoz (2015) mempertimbangkan analisis kapabilitas proses (PCA ) sebagai aspek yang sangat penting di banyak industri manufaktur. Tujuan PCA melibatkan penilaian dan kuantifikasi variabilitas sebelum dan sesudah produk dirilis untuk produksi, menganalisis variabilitas relatif terhadap spesifikasi produk, dan meningkatkan desain produk dan proses manufaktur dengan mengurangi variabilitas. Pengurangan variasi adalah kunci untuk perbaikan produk dan konsistensi produk. Untuk alasan ini, PCA menempati tempat penting dalam upaya manufaktur dan peningkatan kualitas (Montgomery, 2009). Indeks kapabilitas proses (PCI) dikembangkan untuk menyediakan bahasa yang umum dan mudah dipahami untuk mengukur kinerja proses, dan merupakan fungsi tak berdimensi dari parameter dan spesifikasi proses ( Chang, Choi & Bai, 2002). Indeks kemampuan proses (PCI) memberikan ukuran numerik tentang apakah suatu proses sesuai dengan prasyarat kemampuan manufaktur yang ditentukan. Dalam aspek praktis, PCI memberikan ukuran kuantitatif umum dari kemampuan manufaktur dalam hal kualitas produksi yang akan digunakan oleh produsen dan pemasok melalui pedoman saat menandatangani kontrak. Wangand Du (2007) menyelidiki kinerja rantai pasokan berdasarkan PCI yang menetapkan hubungan antara spesifikasi pelanggan dan kinerja proses yang sebenarnya, memberikan ukuran yang tepat dari hasil proses. Selain itu, PCI telah berhasil diterapkan oleh perusahaan untuk bersaing dan memimpin pasar dengan laba tinggi dengan mengevaluasi kinerja kualitas dan produktivitas (Parchamia, Sadeghpour-Gildeha, Nourbakhshb & Mashinchic, 2013). Dalam aspek teoretis, PCI tradisional pada dasarnya ditentukan dengan asumsi bahwa karakteristik proses mengikuti distribusi normal. Dalam praktiknya, paling luas dalam aplikasi rekayasa dan keandalan, masalah kontrol kualitas yang timbul dari proses non-normal terjadi. Karena PCI berdasarkan asumsi normalitas mengenai data yang digunakan untuk menangani pengamatan non-normal, nilai PCI mungkin salah dan sangat mungkin salah menggambarkan kualitas produk yang sebenarnya. Dengan kata lain, PCI konvensional berdasarkan normalitas tidak nyaman untuk proses industri non-normal untuk mencerminkan kinerjanya (Senvar & Kahraman, 2014a). Pada prinsipnya, untuk proses yang tidak terdistribusi normal, mean dan standar deviasi tidak cukup dan sesuai untuk mencerminkan karakteristik dan kinerja proses. Untuk proses yang tidak terdistribusi secara normal, besarnya kesalahan dapat bervariasi secara substansial sesuai dengan parameter distribusi yang sebenarnya (tidak diketahui) (Senvar & Kahraman, 2014b). Hosseinifard, Abbasi dan Niaki (2014) juga menekankan bahwa metode konvensional dengan asumsi normalitas gagal memberikan hasil yang dapat dipercaya. Mereka melakukan studi simulasi untuk membandingkan metode yang berbeda dalam memperkirakan indeks kemampuan proses proses non-normal dan kemudian mereka menerapkan teknik ini untuk mendapatkan kemampuan proses proses penyaringan leukosit. Dalam literatur, beberapa pendekatan telah diusulkan untuk mengatasi masalah PCI untuk distribusi tidak normal. Transformasi matematis dari data mentah menjadi distribusi mendekati normal dapat menjadi pendekatan alternatif yang mengevaluasi kemampuan proses menggunakan asumsi normalitas dan data yang ditransformasikan dan batas spesifikasi. Transformasi Box-Cox dan Johnson adalah teknik transformasi data. Tujuan utama dari semua teknik konvensional adalah menggunakan PCI konvensional berdasarkan asumsi normalitas. PCI konvensional dapat digunakan setelah data non-normal diubah menjadi data normal. Namun, praktisi mungkin merasa tidak nyaman bekerja dengan data yang diubah. Membalikkan hasil perhitungan kembali ke skala awal dapat menjadi masalah (Pearn & Kotz, 2006). Cara lain adalah Metode Clements yang merupakan salah satu pendekatan paling populer karena mudah dihitung dan diterapkan. Distribusi Weibull telah sering digunakan dalam bidang analisis data seumur hidup karena fleksibilitasnya, dan dapat meniru perilaku distribusi statistik lainnya seperti sebagai eksponensial dan gamma. Distribusi Weibull digunakan dalam analisis data kegagalan untuk aplikasi kualitas dan keandalan untuk memahami bagaimana item gagal atau kegagalan terjadi. Kegagalan muncul dari kekurangan kualitas, kekurangan desain, kekurangan bahan, dan sebagainya. Distribusi Weibull mencakup kelas proses non-normal yang luas karena kemampuannya untuk menghasilkan berbagai kurva berbeda berdasarkan parameternya. Parameter bentuk distribusi Weibull menentukan perilaku tingkat kegagalan produk atau sistem dan telah digunakan sebagai ukuran keandalan (Yavuz, 2013). Hsu, Pearn dan Lu (2011) menggunakan distribusi Weibull untuk memodelkan data proses dan menyatakan waktu sampai perangkat teknis tertentu gagal. Mereka menentukan penyesuaian untuk pengukuran kemampuan dengan pertimbangan pergeseran rata-rata untuk proses Weibull. Distribusi Weibull diketahui memiliki perilaku ekor yang berbeda secara signifikan, yang sangat mempengaruhi kemampuan proses. Hosseinifard, Abbasi, Ahmad dan Abdollahian (2009) menilai keampuhan teknik transformasi akar dengan melakukan studi simulasi menggunakan distribusi gamma, Weibull, dan beta. Teknik transformasi akar digunakan untuk memperkirakan PCI untuk setiap set data simulasi. Mereka membandingkan hasil mereka dengan PCI yang diperoleh dengan menggunakan persentil yang tepat dan metode Box-Cox. Dalam studi ini, metode transformasi Clements, Box-Cox, dan Johnson untuk PCA dengan data tidak normal ditinjau dan kinerjanya dievaluasi dalam hal akurasi dan presisi untuk masalah perbandingan. Perbandingan kinerja dilakukan melalui pembuatan data Weibull tanpa subkelompok dan untuk alasan ini, indeks kinerja proses (PPI) dijalankan untuk kemampuan proses komputasi daripada PCI. Plot kotak, statistik deskriptif, deviasi akar rata-rata kuadrat (RMSD), yang digunakan sebagai ukuran kesalahan, dan grafik radar digunakan bersama-sama untuk mengevaluasi kinerja metode. Sejauh pengetahuan kami, semua masalah ini termasuk pelaksanaan PPI dilakukan bersama-sama untuk pertama kalinya dalam literatur.