350 likes | 669 Views
Judul. Optimasi Kekuatan Torque Pada Produksi Lampu TL Tipe FL 10 W Di PT. Panasonic Lighting Indonesia. SKRIPSI. Disusun Oleh : Lailatul Maft 1302 100 017. Latar belakang dan permasalahan. - INTRO -. LATAR BELAKANG. Data produksi bulan November 2005 – Februari 2006
E N D
Judul Optimasi Kekuatan Torque Pada Produksi Lampu TL Tipe FL 10 W Di PT. Panasonic Lighting Indonesia SKRIPSI Disusun Oleh : Lailatul Maft 1302 100 017
Latar belakang dan permasalahan - INTRO - LATAR BELAKANG • Data produksi bulan November 2005 – Februari 2006 • Hasil Analisa pihak engineering PT.Panasonic • Lighting Indonesia PERMASALAHAN Bagaimana pengaturan level manometer yang dapat mengoptimalkan kekuatan torque pada produksi lampu TL tipe FL 10 W
Tujuan dan batasan TUJUAN Mengetahui pengaturan level manometer yang dapat mengoptimalkan kekuatan torque pada produksi lampu TL tipe FL 10W Batasan masalah Penelitian hanya dilakukan pada proses basing dalam pembuatan lampu TL tipe FL 10 W di PT. Panasonic lighting Indonesia.
Tinjauan pustaka TINJAUAN PUSTAKA • Metode permukaan respon • Pendeteksian pencilan • Regresi robust LTS • Metode Optimasi • Proses Basing
Respon surface Metode Permukaan respon Metode yang digunakan untuk menyelesaikan masalah optimasi dengan menentukan titik optimum dari model yang didapat. Y = f (X1, X2, ... , Xk) + e dimana e adalah kesalahan pendugaan dengan asumsi IIDN(0,s2) y= (2.3) Model orde dua : Taksiran model orde kedua :
Identik Uji Gletser • Independent Plot ACF • Berdistribusi Normal Kolmogorov smirnov Uji signifikansi dan asumsi Estimasi Parameter Model UJI SIGNIFIKANSI MODEL • Uji Serentak • F hit = MS reg / MS error • Uji Individu UJI ASUMSI RESIDUAL
Pendeteksian pencilan Pendeteksian pengamatan berpengaruh Jika maka pengamatan merupakan pengamatan berpengaruh
LTS teori Least trimmed square (LTS) Algoritma Genetika Suatu metode penduga parameter regresi robust dengan menggunakan konsep pengepasan OLS untuk meminimumkan jumlah kuadrat sisaan Algoritma LTS • Input data berpasangan zi = (xi,yi) • Menentukan jumlah iterasi (m) dengan cara menghitung kombinasi p dari n • Mengambil m subset ,yang beranggotakan sebanyak j pengamatan, dengan j = p (jumlah variabel bebas) • Mendefinisikan nilai b & nilai breakdown • Memperoleh model regresi untuk setiap k dari subset • Mengevaluasi apakah model regresi menggunakan intersep atau tidak : • Jika TIDAK, maka hitung pendugaan parameter regresi untuk setiap subset dengan • Jika YA, maka lakukan langkah proses adjustment nilai intersep • Menghitung fungsi tujuan (FT) untuk tiap-tiap pendugaan • Menentukan pendugaan terbaik yaitu pendugaan dengan nilai fungsi tujuan yang paling minimum • Menetapkan pengamatan yang tergolong pencilan
Optimasi teori RMS MSE Metode Optimasi Menghasilkan titik optimum yang mendekati target dengan varian kecil Menggunakan Kriteria MSE (Lin dan Tu,1995) MSE terdiri atas bias dan varian RUMUS MSE
Burner setting Temperatur Control I. LA II. LAC III. NG Manometer Level Setting Proses basing Proses Basing Merupakan Proses penggabungan antara cap dengan bulp Proses dalam mesin basing
metodologi METODOLOGI PENELITIAN • Sumber data • Data diambil oleh pihak engiinering PT. PLI • pada Maret 2006 sebanyak 5 data/hari • Variabel Penelitian • Variabel respon • - Rata-rata Kekuatan Torque Lampu • - Standar deviasi kekuatan torque • 2. Variabel independen : • - Tekanan Low air (LA) • - Tekanan Low Air Cooling (LA Cooling) • - Tekanan Natural gas (NG)
LANGKAH LANGKAH ANALISA LANGKAH2 ANALISA Start Transformasi data Pendugaan model orde kedua Apakah terdapat pencilan ya tidak Pendugaan model mean&stdev dgn LTS Apakah model Penuh Menentukan titik optimum dengan metode klasik tidak Membuat kesimpulan Optimasi dengan kriteria MSE Stop
Hipotesis : Ho : b1 = b2 = b3 = b11 = ... = b23 = 0 H1 : minimal ada satu biatau bij yang tidak sama dengan nol ( i =1, 2, 3 ; j = 1, 2, 3). Tabel 4.1 P_value< 0.05 maka gagal tolak Ho Analisa Side C ANALISA DATA Side C • Model rata-rata dengan OLS ŷm=0,222949-0,003389x1+0,002442x2-0,008300x3+ 0,005609x12+ 0,006805x22+ 0,012267x32 + 0,003080x1x2+0,002925x1x3+0,009061x2x3 Pengujian Model secara serentak
Tabel 4.2Banyak parameter yg tidak signifikan Uji parsial side C Pengujian Model secara parsial Hipotesis : Ho : b sama dengan nol ( parameter tidak signifikan ) H1 : b tidak sama dengan nol ( parameter signifikan ) Summary residual Diduga ada outlier Deteksi pencilan dengan DFFITS Pemodelan dengan LTS
Model LTS side C Model lts side C Model linier + kuadratik : = 9,8013-0,3512 x1 -1,600x2 -1,06733x3 +0,044x12 +0,1051x22 +0,1019x32 Full model : = 20,73-0,53x1-2,798x2-3,2633x3+0,0186 x12+0,1156 x22 +0,189x32 +0,0476x1x2+ 0,16x1x3 - 2,09x2x3
LTS Stdev side C • Model standar deviasi side C Bentuk full model untuk data standar deviasi side C adalah: = 4,8073 – 0,1628x1 – 0,678x2 – 0,677x3 + 0,0191x12 + 0,02665x22 + 0,0108x32-0,01548x1x2 + 0,0600x2x3 + 0,02365 x1x3
Optimasi side C Optimasi side C Kekuatan torque = 1/0,206 = 4,83 Newton Meter
Hipotesis : Ho : b1 = b2 = b3 = b11 = ... = b23 = 0 H1 : minimal ada satu biatau bijyang tidak sama dengan nol ( i =1, 2, 3 ; j = 1, 2, 3). Tabel 4.3 P_value< 0.05 maka gagal tolak Ho Analisa Side E ANALISA DATA Side E • Model rata-rata dengan OLS ŷm= 0,239541–0,008227x1–0,009892x2+0,001869x3–0,001572x12–0,006161x22 – 0,006352 x32 + 0,004561 x1x2 + 0,004657x1x3 + 0,004192 x2x3 Pengujian Model secara serentak
Tabel 4.4Banyak parameter yg tidak signifikan Pengujian parsial Pengujian Model secara parsial Hipotesis : Ho : b sama dengan nol ( parameter tidak signifikan ) H1 : b tidak sama dengan nol ( parameter signifikan ) Summary residual Diduga ada outlier Deteksi pencilan dengan DFFITS Pemodelan dengan LTS
Model LTS side E Model lts mean side C Model linier+Interaksi : ŷm= 6,8489- 0,4447x1-1,1356 x2 -0,4813 x3 +0,1147 x1x2 -0,0962 x2x3 -0,0963x1x3 Full Model : ŷm= 12,4768 -1,1069x1 -1,6832x2-1,3184x3 +0,0088x12-0,0084x22 -0,0066x32 + 0,1704x1x2 +0.2084 x2x3 -0.0509 x1x3
LTS stdev side E • Model standart deviasi side E Model linier+Interaksi : ŷs= 5,147+0,350x1-0,6779x2 -0,9550 x3 +0,0007 x1x2 +0,1265 x2x3 -0,0085 x1x3 Full Model : ŷs = 2,0930 + 0,0682x1 – 0,4161x2 – 0,2194x3 + 0,0024x12 + 0,00008x22 – 0,0519x32 – 0,02144 x1x2 + 0,0928x2x3 + 0,01417x1x3
Optimasi side E Optimasi side E Kekuatan torque =1/0,190= 5,22 Newton Meter
kesimpulan1 Kesimpulan model side C : ŷm= 20,73-0,53x1-2,798x2-3,2633x3+0,0186 x12+0,1156 x22 + 0,189x32 +0,0476x1x2 +0,16x1x3-2,09x2x3 ŷs = 4,8073 - 0.1628x1 - 0.678x2 - 0.677x3 + 0.0191x12 + 0.02665x22 + 0.0108x32 -0.01548x1x2 + 0.0600x2x3 + 0.02365 x1x3 Kondisi Optimum Low air : 4,5 Kpa Low air cooling : 7,5 Kpa Natural gas : 5,5 Kpa Kekuatan torque : 4,84 Newton meter
KESIMPULAN2 model side E : ŷm= 6,8489 – 0,4447x1-1,1356 x2 -0,4813 x3 +0,1147 x1x2 – 0,0962 x2x3 -0,0963x1x3 ŷs = 5,147+0,350 x1-0,6779 x2 -0,9550 x3 +0,0007 x1x2 + 0,1265 x2x3 -0,0085 x1x3 Kondisi optimum Low air : 3,7 kpa Low air cooling : 7,8 kpa Natural gas : 4,7 kpa Kekuatan torque : 5,22 Newton meter
Daftar pustaka Daftar Pustaka Aunuddin ,(1989), Analisis data, Departemen Pendidikan dan Kebudayaan Direktorat Jendral Pendidikan Tinggi Pusat, Universitas Ilmu Hayat , Institut Pertanian Bogor. Draper,N dan Smith (1981), Applied Regression Analysis (Second Edition), John Wiley and Sons, Inc., New york Koksoy, O.dan Doganaksoy,N. (2003), joint optimation of mean and standart deviation using response surface method. Jurnal of quality technology vol.35, pp.239–251 Khuri.A.I dan Cornell.J.A, (1987), Response surface design and analysis, New York and Basel Lin D.K. J dan Tu W, (1995), Dual Response Surface Optimization, Journal Of Quality Technology 27, pp. 33-39. Montgomery, D. C.,(1991),Design and analysis of Experiments third edition, John Wiley and Sons, Inc., New york Myers,R.H dan Montgomery, D.C. (2001), Response Surface Methodology, John Wiley and Sons, Inc., New york Neter,john ,W.Wasserman, dan M.H.Kutner (1990), Applied Linier Statitical Models third edition, Richard D. Irwin,inc,Homewood,Illinois Rousseeuw.R.J dan A. M. Leroy,(1987), Robust Regression and Outlier Detection, New York, Wiley. Yaffee,R. A.(2002), Robust Regression Analysis:Some Popular Statistical Package Options, Information Technology Services.
Da…..gh Terima Kasih
Flare Cap Side C Critical reject Side E Bola Lampu(bulp) 5 Biggest Reject From Inspection FL 10 W 5 biggest reject
color cement temperature bulp temperature basing Diameter sealing irregulary basing check list temperature basing Weight check list manometer check list burner Viscocity Analisa pihak engineering
Tabel4.1 & 4.2 Tabel 4.1 anova
Tabel4.3 & 4.4 Tabel 4.3 anova
Merupakan perusahaan yang memproduksi lampu • merk Nasional dan Panasonic • Produk 90% di ekspor ke luar negeri • Produk • Tubular Lamp (TL) • Lamp Capsul Super (LCS) • Spiral Company profile - Company Profile - PT. Panasonic Lighting Indonesia