Evaluasi Performa dari Diagram Kontrol Multivariat berbasis Independen Principal Component Analysis (PCA)

Diagram kontrol multivarian akan efektif ketika jumlah karakteristik kualitas yang terlibat tidak terlalu besar. Sejumlah besar karakteristik kualitas dapat mengurangi kemampuan untuk mendeteksi setiap perubahan dalam suatu proses dan juga menyebabkan masalah multikolinieritas. Untuk mengatasi masalah ini, integrasi Principal component analysis (PCA) dan diagram kontrol digunakan. PCA adalah metode yang dapat mengubah sejumlah besar variabel berkorelasi menjadi beberapa komponen utama yang tidak berkorelasi tanpa kehilangan informasi. Paper ini akan fokus untuk mengevaluasi kinerja diagram kontrol multivariat berdasarkan Independen PCA menggunakan Average Run Length (ARL) melalui studi simulasi. Dari proses simulasi dapat dilihat bahwa Independen PCA memiliki probabilitas kinerja yang mirip untuk mendeteksi false alarm untuk semua jenis korelasi dan jumlah karakteristik. Namun, kemampuan untuk mendeteksi pergeseran menurun ketika terjadi peningkatan korelasi dan jumlah karakteristik kualitas