ìRencanaPenerimaanSampel(AcceptanceSampling)12–PengendalianKualitas

SemesterGenap2017/2018

RENCANAPENERIMAANSAMPEL(AcceptanceSamplingPlans)

ì  Rencanapenerimaansampeladalahproseduryangdigunakandalammengambilkeputusanterhadapproduk-produkyangdihasilkanperusahaan.

ì  Bukanmerupakanalatpengendaliankualitas,namunalatuntukmemeriksaapakahprodukyangdihasilkantersebuttelahmemenuhispesifikasi.

ì  Acceptancesamplingdigunakankarenaalasan:ì  Denganpengujiandapatmerusakproduk.ì  Biayainspeksiyangtinggi.ì  100%inspeksimemerlukanwaktuyanglama,dll.

05/11/14www.debrina.lecture.ub.ac.id

2

+vs.–AcceptanceSampling

05/11/14www.debrina.lecture.ub.ac.id

3

Keunggulan biaya lebih murah

meminimalkan kerusakan mengurangi kesalahan dalam inspeksi dapat memotivasi pemasok bila ada penolakan bahan baku.

Kelemahan adanya resiko penerimaan produk cacat atau penolakan produk baik membutuhkan perencanaan dan pendokumentasian prosedur pengambilan sampel. tidak adanya jaminan mengenai sejumlah produk tertentu yang akan memenuhi spesifikasi. sedikitnya informasi mengenai produk.

PengujianAcceptanceSampling

05/11/14www.debrina.lecture.ub.ac.id

4

05/11/14www.debrina.lecture.ub.ac.id

5

AcceptanceSampling(AS)

DUAJENISPENGUJIAN

• olehprodusen(theproducertestthelotforoutgoingquality)

Sebelumpengirimanprodukakhirkepelanggan

• olehkonsumen(theconsumertestthelotforincomingquality)

Setelahpengirimanprodukakhirkepelanggan

JenisDataAcceptanceSampling

05/11/14www.debrina.lecture.ub.ac.id

6

Pengujianyangdapatmerusakkanproduk

Biayainspeksiyangsangattinggi

100%inspeksiyangdilakukanmemerlukan

waktuyanglama

Pemasokmemilikikinerjayangbaiktetapibeberapatindakanpengecekantetapharusdilaksanakan

Merupakantanggungjawab

perusahaanterhadapprodukyangdihasilkannya

Biayauntukinspeksi100%tinggi

05/11/14www.debrina.lecture.ub.ac.id

7

AcceptanceSampling(AS)

Pertimbangandilakukannya

Homogen:Diproduksiolehmesinyangsama,operatoryangsama,bahanbakuumum,kira-kirawaktuyangsamaà

pengujianmenjadilebihtepat

Lotbesarlebihbaikdaripadalotkecilàlebihekonomis

Acakàsemuaprodukyangadamempunyaikesempatanyangsamauntukdipilihsebagaisampel(tidak

terjadibias)05/11/14www.debrina.lecture.ub.ac.id

8

AcceptanceSampling(AS)

Pertimbangansebelumdilakukansampling(inspeksi)

ìRencanaPenerimaanSampel(AcceptanceSampling)untukDataVariabel12–PengendalianKualitas

DebrinaPuspitaAndrianiTeknikIndustriUniversitasBrawijayae-Mail:debrina@ub.ac.idBlog:http://debrina.lecture.ub.ac.id/

ì

05/11/14www.debrina.lecture.ub.ac.id

10

OutlineRencanaPenerimaanSampel(AcceptanceSampling)untukDataVariabel

ì  Pengambilandanpenerimaandatavariabeldidasarkanpadarata-ratadanstandardeviasi,sertadistribusifrekuensi

ì  Datavariabeladalahkarakteristikmutupadaskalanumeriksepertitinggi,tekanan,suhu,panjang,dsb

ì  Adakondisitertentuyangmembutuhkanpengambilansampeluntukdatavariabel(misalnya:sampelharusberdistribusinormal).

ì  Pengambilandataberdasarkanpadarata-rata,standardeviasi,dandistribusifrekuensi

ì  Teknikinidilakukanjika:ì  Jikapengujianbersifatdestruktifì  Highcostì  Kebutuhanakaninformasiseberapajauh

penyimpangan

05/11/14www.debrina.lecture.ub.ac.id

11

RencanaPenerimaanSampel(AcceptanceSampling)untukDataVariabel

Pengantar

Kelebihan&Kekurangan

Kelebihanì  Jumlahsamplelebihsedikit

ì  Menyediakanlebihbanyakinformasiterutamadapatmengetahuiseberapajauhpenyimpanganataukesalahanyangterjadi

ì  Bermanfaatuntukusahaperbaikanmutu

Kekuranganì  Pengambilansampleharus

dibagikedalambeberapakarakteristikproses

ì  Biayaadministrasilebihtinggi

ì  Seringkaliterjadibeberapasampledatavariabeldapatdigantidenganhanya1sampleatribut

05/11/14www.debrina.lecture.ub.ac.id

12

RencanaPenerimaanSampel(AcceptanceSampling)untukDataVariabel

JenisPerencanaanVariabel

Presentaseketidaksesuaianì  Plansthatcontrolthelotor

processfractiondefective(ornonconforming).[Procedure1]

ì  Dirancanguntukmenentukanproporsiprodukyangberadadiluarbatasspesifikasi.

ì  UntukmenyelesaikanpermasalahaninidapatdigunakanstandarANSI/ASQCZI.9-1993

Parameterprosesì  Plansthatcontrolalotorprocess

parameter(usuallythemean).[Procedure2]

ì  Dirancanguntukmengendalikanrata-ratadanpenyimpanganataustandardeviasidaridistribusiprodukpadatingkattertentu.

ì  Untukmenyelesaikanmasalahinidapatdigunakanmetodeacceptancecontrolchart,sequentialsamplingforvariable,danhypothesistesting

05/11/14www.debrina.lecture.ub.ac.id

13

RencanaPenerimaanSampel(AcceptanceSampling)untukDataVariabel

ANSI/ASQCZI.9danMIL-STD414

ì  ANSI/ASQCZI.9adalahperencanaansampleyangberdasarpadaAQLyangmengasumsikanbahwadistribusinormaldenganmenggunakanvariabelacak

ì  Perencanaanpengambilansampleiniditunjukkandengannilai-nilainumerikdariAQLdenganjarak0,10%sampaidengan10%

ì  Standarinimembuatketentuanyangmeliputi9proseduryangdapatdigunakanuntukmengevaluasi

05/11/14www.debrina.lecture.ub.ac.id

14

RencanaPenerimaanSampel(AcceptanceSampling)untukDataVariabel

ProsedurDalamANSIRencanaPenerimaanSampel(AcceptanceSampling)untukDataVariabel

05/11/14www.debrina.lecture.ub.ac.id

15

Variabilitastidakdiketahui(metodestandardeviasi)

Variabilitastidakdiketahui(metode

jarak)Variabilitasdiketahui

SpesifikasiTunggal SpesifikasiGanda

Bentuk1 Bentuk2 Bentuk2

Prosedur(1)

ì  Apabilavariabilitastidakdiketahuimakadapatmenggunakanmetodejarakataustandardeviasi,dimanametodejarakdigunakanuntuksampelyangbesardansebaliknya.

ì  Adaduaspesifikasitunggaldangandadenganduaprosedurbentuk1dan2yangmemberikankeputusansama.

ì  Apabilavariabilitasdiketahuimakadapatmemilihmenggunakanspesifikasitunggalataugandadenganbentuk1dan2sebagaipilihannya.

ì  Bentuksatuì  menggunakannilaijarakataubedastandaryangditunjukkandalam

standardeviasi(antararata-rataprosesdenganbatasspesifikasitertentu)ì  nilaiacuanlebihdariatausamadengank,makaprodukditerima

ì  Bentukduaì  menggunakanperkiraanprosentasecacatyangadadiluarspesifikasiì  nilaiacuanlebihkurangdariatausamadenganM,makaprodukditerima

Prosedur(2)

ì  Tingkatinspeksiì  Inspeksiumum(general)ì  Inspeksikhusus(special)

ì  InspeksiumumsamadengananalisisyangdilakukanuntukANSIZ1.4,dimanaì  InspeksiTingkatIIterlebihdahuludigunakanì  InspeksiTingkatIIIakanmengurangirisikoprodusen,

sedangkanInpeksiTingkatIakanmemperbesarrisikokonsumen.

ì  Inspeksikhususdigunakanapabilaukuransamplekecildanharusmemberikantoleransipadaresikoyangbesar

Prosedur(3)

ì  Standarmemiliki3macaminspeksi:ì  Normalì  Ketat(tightened)ì  Longgar(reduced)

ì  Tigatingkatandalaminspeksiumum:ì  TingkatI(sedikitperbedaan,samplesedikit)ì  TingkatII(umum)ì  TingkatIII(banyakperbedaan,samplebanyak)

LangkahPerhitunganANSI/ASQCZ1.9

ì  UntukMetodeDeviasiVariabilitasdiketahuiStandard,langkah-langkahperhitunganberikutdigunakan:ì  Pilihtingkatpemeriksaanyangtepatì  TentukannilaiAQLyangakandigunakanuntukaplikasiì  Tentukanukuransampeluntukpopulasiì  Pilihsampelacakdaripopulasiì  Sampelujidanmerekamparameteryangdiinginkanì  Tentukanmeandanstandardeviasiuntuksetiappopulasiì  TentukanIndeksKualitas(QudanQ)ì  TentukanPudanPlnilaimenggunakanQudanQlì  TambahkankePuPluntukmendapatkanketidaksesuaian

persenyangsebenarnya(%ncf)ì  Bandingkan%ncfaktualdengan%ncfyangmemungkinkan

untukmenentukanstatusditerima/ditolak

05/11/14www.debrina.lecture.ub.ac.id

19

05/11/14www.debrina.lecture.ub.ac.id

20

Tabel1.KonversiUkuranSampel

05/11/14www.debrina.lecture.ub.ac.id

21

Tabel2.SimbolUkuranSampel

05/11/14www.debrina.lecture.ub.ac.id

22

05/11/14www.debrina.lecture.ub.ac.id

23

ANSI/ASQCZ1.9CalculationsForStandardDeviationMethod

ì  Determinethemeanandthestandarddeviationforthesampleresults.

ì  DetermineQualityIndexesì  Qu=(UpperLimit-mean)/standarddeviationì  Ql=(mean-LowerLimit)/standarddeviation

ì  UpperLimitisnormally102,andLowerLimitisnormally98.

ì  UseQuandQltodetermineestimateofpercentnonconformanceabovetheUpperLimit(Pu)andbelowtheLowerLimit(Pl)usingTableB-5.

05/11/14www.debrina.lecture.ub.ac.id

24

05/11/14www.debrina.lecture.ub.ac.id

25

ANSI/ASQCZ1.9CalculationsForStandardDeviationMethod

ì  WiththevaluesofPuandPldeterminedfromTableB-5usingQuandQl,estimatedpercentnonconformanceequalstoPuplusPl.(%ncf=Pu+Pl)

ì  AcceptanceisbasedonwhethertheestimatedpercentnonconformanceisbelowtheallowedpercentnonconformancegiveninTableB-3.

05/11/14www.debrina.lecture.ub.ac.id

26

ANSI/ASQCZ1.9AcceptableQualityLevel(AQL’s)

ì  AQListhemaximumpercentnonconformingthat,forpurposesofsamplinginspection,canbeconsideredsatisfactoryasaprocessaverage.

ì  ForANSI/ASQCZ1.9,AQL’svaryfrom0.10to10.00with11pre-definedAQLvalues.

ì  Forusewithelectricmetertesting,eitherin-servicetestingorreceiptinspection,AQL’sof0.25to2.50arenormallyutilized.

05/11/14www.debrina.lecture.ub.ac.id

27

RencanaPenerimaanSampelLainuntukDataVariabel

ì  Berkaitandengankualitasrata-rataatauvariabilitaspadakualitasprodukdanbukandenganpresentaseketidaksesuaian.

ì  Contoh:variabelhilangnyaenergipadapenggantiankekuatan.

ì  Teknikyangbisadigunakan:ì  Petapengendalipenerimaan(AcceptanceControlChart)ì  Pengambilansampelberurutanuntukdatavariabel

(SequentialSamplingbyVariables)ì  PengujianHipotesis(HypothesisTesting)ì  Lot-PlotMethodì  ShaininLotPlotPlan

05/11/14www.debrina.lecture.ub.ac.id

28

PlanstoControlProcessFractionDefective

Ø  Since the quality characteristic is a variable, there will exist either LSL, USL, or both, that define the acceptable values of this parameter.

Ø  Fig. 1 illustrates the situation in which the quality characteristic x is normally distributed and there is LSL on this parameter.

05/11/14www.debrina.lecture.ub.ac.id

29

PlanstoControlProcessFractionDefective

Ø  Procedure1(k-Method)ì  Takearandomsampleofnitemsfromthelotand

computeì  Ifthereisacriticalvalueofpofinterestthatshould

notbeexceededwithstatedprobability,wecantranslatethisvalueofpintocriticaldistancek.

ì  IfZLSL≥k,wewouldacceptthelotbecausethesampledataimplythatthelotmeanissufficientlyfaraboveLSLtoinsurethatpissatisfactory.

PlanstoControlProcessFractionDefective

Ø  Procedure 2 (M-Method) ì  Compute ZLSL . ì  Use ZLSL to estimate the fraction defective of the lot

or process . ì  Determine the max. allowable fraction defective M

(using specific values of n, k). ì  If exceeds M, reject the lot; otherwise, accept it.

PlanstoControlProcessFractionDefective

Ø  Notes

ì  In the case of an USL, we compute ì  If is unknown, it is estimated by s. ì  When there is only a single specification limit (LSL

or USL), either procedure may be used. ì  When there are both LSL and USL, M-method

should be used by computing ZLSL and ZUSL, finding the corresponding fraction defective estimates and

ì  Then, if + ≤ M, the lot will be accepted. ^ ^

pLSL pUSL

pLSL pUSL

^^

DesigningavariablessamplingplanwithaspecifiedOCcurve

Ø  Let be the two points on the OC curve of interest.

Ø  are the levels of lot or process fraction nonconforming that correspond to acceptable and rejectable levels of quality, respectively.

p1 and p2

DesigningavariablessamplingplanwithaspecifiedOCcurve

Ø  Example 1

DesigningavariablessamplingplanwithaspecifiedOCcurve

DesigningavariablessamplingplanwithaspecifiedOCcurve

Ø  Example 2 :Design a sampling plan using M-method

DesigningavariablessamplingplanwithaspecifiedOCcurve

MILSTD414

Ø  There are five general levels of inspection, and level IV is designated as “normal”.

MILSTD414

Ø  As MIL STD 105E, sample size code letters are used, but the same code letter does not imply the same sample size in both standards.

Ø  Sample sizes are a function of the lot size and the inspection level.

Ø  All the sampling plans in the standards assume that the quality characteristic is normally distributed.

MILSTD414

Ø  Organization of MIL STD 414

MILSTD414

Ø  Example 3: Using MIL STD 414

Solution

ì  From table, if we use IV level, the sample size code letter is O.

ì  From a second table, we find n=100.

ì  For AQL of 1%, on normal inspection, k=2.

ì  For AQL of 1%, on tightened inspection, k=2.14

MILSTD414

PlanstoControlAProcessMean

Ø  Example 4

Solution

Let XA be the value of the sample average below witch the lot will be accepted.

If lots have 0.95 probability of acceptance, then

P (X ≤ XA ) = 0.95

-

-

PlanstoControlAProcessMean

P (Z ≤) = 0.95 =1.64

If lots have 0.1 probability of acceptance, then

P (X ≤XA ) = 0.1 p (Z ≤ ) = 0.1 = -1.28 These two equations can be solved for n and XA , giving n=9 and XA=0.356

-

- -