Metode optimasi stokastik
Pengendalian proses statistik (SPC) atau pengendalian kualitas statistik (SQC) adalah penerapan metode statistik untuk memantau dan mengendalikan kualitas suatu proses produksi. Hal ini untuk memastikan proses berjalan efisien dan menghasilkan produk yang memenuhi spesifikasi dan memiliki lebih sedikit limbah atau cacat. SPC dapat diterapkan pada berbagai proses dimana hasil dari “produk yang sesuai” (produk yang memenuhi spesifikasi) dapat diukur. Alat utama yang digunakan diSPC meliputi diagram proses, diagram kendali, fokus pada perbaikan berkelanjutan, dan desain eksperimen.
Contoh proses yang menerapkan SPC adalah lini produksi di bidang manufaktur.SPC harus diimplementasikan dalam dua tahap: tahap pertama adalah pembentukan awal proses dan tahap kedua adalah penggunaan proses produksi secara teratur. Pada fase kedua, keputusan harus dibuat mengenai periode pengujian, tergantung pada perubahan kondisi 5M&E (manusia, mesin, material, metode, pergerakan, lingkungan) dan tingkat keausan suku cadang yang digunakan dalam proses.
Manufaktur (suku cadang mesin, templat dan aksesori).Keuntungan SPC dibandingkan dengan metode pengendalian mutu lainnya seperti “inspeksi” adalah bahwa metode ini berfokus pada deteksi dini dan pencegahan masalah dibandingkan memperbaikinya setelah masalah terjadi. Selain mengurangi pemborosan, SPC juga dapat menghasilkan pengurangan waktu yang dibutuhkan untuk menghasilkan suatu produk. SPC mengurangi kemungkinan produk akhir perlu dikerjakan ulang atau dibuang.
Metode untuk fungsi stokastik
Data masukan acak sebagian muncul di berbagai bidang seperti estimasi dan kontrol waktu nyata, optimasi berbasis simulasi di mana simulasi Monte Carlo dilakukan sebagai perkiraan sistem nyata, dan masalah di mana kesalahan eksperimental (acak) terjadi dalam pengukuran kriteria. Dalam kasus seperti itu, mengetahui bahwa nilai fungsi terkontaminasi oleh "kebisingan" acak secara alami mengarah pada algoritma yang menggunakan alat inferensi statistik untuk memperkirakan nilai "sebenarnya" dari fungsi dan/atau keputusan optimal secara statistik tentang langkah selanjutnya yang harus dipenuhi. Metode di kelas ini meliputi:
- pendekatan stokastik (SA), oleh Robbins dan Monro (1951)
- penurunan gradien stokastik
- perbedaan hingga SA oleh Kiefer dan Wolfowitz (1952)
- gangguan simultan SA oleh Spall (1992)
- optimasi skenario
Metode pencarian acak
Di sisi lain, meskipun kumpulan data terdiri dari pengukuran yang tepat, beberapa metode memperkenalkan keacakan ke dalam proses pencarian untuk mempercepat kemajuan. Keacakan ini juga dapat membuat metode ini kurang rentan terhadap kesalahan pemodelan. Selain itu, keacakan yang disuntikkan dapat menyebabkan metode keluar dari optimal lokal dan akhirnya mendekati optimal global. Faktanya, prinsip pengacakan ini dikenal sebagai cara sederhana dan efektif untuk mendapatkan algoritmayang bekerja hampir secara seragam pada banyak kumpulan data dan untuk berbagai masalah. Jenis metode optimasi stokastik ini meliputi:
- simulasi anil oleh S. Kirkpatrick, C. D. Gelatt dan M. P. Vecchi (1983)
- anil kuantum
- Kolektif Probabilitas oleh D.H. Wolpert, S.R. Bieniawski dan D.G. Rajnarayan (2011)
- optimasi pencarian reaktif (RSO) oleh Roberto Battiti, G. Tecchiolli (1994),
- metode cross-entropy oleh Rubinstein dan Kroese (2004)
- pencarian acak oleh Anatoly Zhigljavsky (1991)
- Pencarian informasi
- terowongan stokastik
- tempering paralel alias pertukaran replika
- pendakian bukit stokastik
- algoritma kawanan
- algoritma evolusioner
- algoritma genetika oleh Holland (1975)
- strategi evolusi
- algoritma optimasi & modifikasi objek kaskade (2016)
Sebaliknya, beberapa penulis berpendapat bahwa pengacakan hanya dapat meningkatkan algoritma deterministik jika algoritma deterministik dirancang dengan buruk. Fred W. Glover berpendapat bahwa ketergantungan pada elemen acak dapat menghambat pengembangan komponen deterministik yang lebih baik dan lebih cerdas. Cara penyajian hasil algoritma optimasi stokastik (misalnya rata-rata atau bahkan N run terbaik tanpa menyebutkan variasi juga dapat menghasilkan bias positif terhadap keacakan.
Disadur dari: en.wikipedia.org