Saat perlu memantau variasi pada jumlah tiket atau yield produksi, grafik kontrol sangat membantu. Batas kendali statistik memudahkan deteksi anomali.
import numpy as np
import matplotlib.pyplot as plt
rng = np.random.default_rng(5)
values = 45 + rng.normal(0, 3, size=28)
values[[6, 18]] += np.array([12, -10]) # Sisipkan anomali
mean = values.mean()
std = values.std(ddof=1)
ucl = mean + 3 * std
lcl = mean - 3 * std
fig, ax = plt.subplots(figsize=(6.4, 3.6))
ax.plot(values, marker="o", color="#0ea5e9")
ax.axhline(mean, color="#334155", linewidth=1.3, label="Rata-rata")
ax.axhline(ucl, color="#ef4444", linestyle="--", label="UCL")
ax.axhline(lcl, color="#ef4444", linestyle="--", label="LCL")
ax.set_xticks(range(0, len(values), 4), labels=[f"W{i+1}" for i in range(0, len(values), 4)])
ax.set_title("Grafik kontrol waktu penanganan panggilan")
ax.set_ylabel("Waktu rata-rata (detik)")
ax.grid(alpha=0.2)
for idx, val in enumerate(values):
if val > ucl or val < lcl:
ax.annotate(
"Anomali",
(idx, val),
xytext=(idx + 0.5, val + 4),
arrowprops=dict(arrowstyle="->", color="#ef4444"),
color="#ef4444",
)
ax.legend(loc="upper right")
fig.tight_layout()
plt.show()

Kiat membaca #
- Tarik batas kendali (±3σ) di sekitar rata-rata untuk menandai titik yang tidak normal.
- Jika anomali berulang, proses mungkin berubah; telusuri akar masalahnya.
- Sesuaikan gaya garis dan marker agar selaras dengan gaya laporan.