Modul 9 Pengantar Teknik Industri
-
Upload
endah-putrihadia -
Category
Documents
-
view
150 -
download
2
Transcript of Modul 9 Pengantar Teknik Industri
![Page 1: Modul 9 Pengantar Teknik Industri](https://reader035.fdokumen.com/reader035/viewer/2022081719/55721135497959fc0b8e9416/html5/thumbnails/1.jpg)
MODUL 9. PENGANTAR TEKNIK INDUSTRI
1. Tujuan Instruksional Khusus
Diharapkan mahasiswa dapat memahami rumusan pengendalian kualitas untuk
variabel dan dapat menerapkan peta kendali variabel.
2. Daftar Materi Pembahasan
Pengendalian Kualitas Variabel
Peta Kendali Variabel
3. Pembahasan
2.1. Pengendalian Kualitas Variabel
Karakteristik kualitas yang dapat dinyatakan dalam bentuk ukuran angka atau
kuantitatif khususnya untuk produk cukup banyak. Misalnya, dinyatakan dalam ukuran
mikrometer, milimeter, sentimeter, dimensi berat, dimensi volume dan dimensi lainnya
yang dapat diukur. Karakteristik kualitas yang dapat dinyatakan dalam bentuk ukuran
angka ini dinamakan dimensi Variabel. Ukuran variabel ini lebih efisien dalam
memberikan informasi tentang kualitas proses dan lebih banyak digunakan jika
dibandingkan dengan dimensi ukuran atribut atau sifat.
Grafik pengendalian variabel biasanya menggunakan mean-chart atau x - chart, dan
grafik pengendalian untuk rentang dinamakan R - chart.
2.2. Peta Kendali Untuk Variabel
Kebanyakan teknik yang dikembangkan oleh para ahli statistik untuk analisa data, tetapi
data yang diperoleh dapat digunakan untuk pengendalian kualitas produk.
Metode statistik yang dipakai untuk pengendalian kualitas yang paling umum adalah peta
kendali untuk karakteristik kualitas yang terukur, dalam bahasa teknisnya dinyatakan
sebagai peta – bar ( - chart ) dan peta R ( R – chart ).
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Torik Husein
PENGANTAR TEKNIK INDUSTRI 1
![Page 2: Modul 9 Pengantar Teknik Industri](https://reader035.fdokumen.com/reader035/viewer/2022081719/55721135497959fc0b8e9416/html5/thumbnails/2.jpg)
A. Membuat - chart
Jika kita melakukan pengukuran karakteristik kualitas dengan x1 , x2 , dan xn sempel
berukuran n, maka rata-rata sempel adalah :
x1 + x2 + ...+ xn
=
n
Jika x adalah berdistribusi normal dengan mean = dan standar deviasi untuk subgrup
sempel = , maka setiap mean sempel akan terletak diantara nilai UCL dan LCL
dengan menggunakan 3 - sigma ( )sebagai berikut :
UCL = + 3 ( ) = + 3 ( )
LCL = + 3 ( ) = - 3 ( )
Apabila mean sempel tidak berada diantara UCL dan LCL, hal ini merupakan petunjuk
bahwa mean proses tidak lagi sama dengan .
Dalam praktek sesungguhnya, biasanya nilai dan tidak diketahui, oleh karena itu
nilai-nilai tersebut harus ditaksir dari sempel pendahuluan.
Misalkan, x1 , x2 , dan xm adalah rata-rata setiap sempel, maka penaksiran terbaik untuk
rata-rata proses () adalah mean keseluruhan, yaitu :
x1 + x2 + ...+ xm
=
m
Dengan demikian akan digunakan sebagai central line = CL dari - chart
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Torik Husein
PENGANTAR TEKNIK INDUSTRI 2
![Page 3: Modul 9 Pengantar Teknik Industri](https://reader035.fdokumen.com/reader035/viewer/2022081719/55721135497959fc0b8e9416/html5/thumbnails/3.jpg)
UCL = + 3 ( )
CL =
LCL = + 3 ( )
Untuk membuat batas pengendalian, perlu ditaksir standar deviasi ( ) dan rentang (R) m
sempel. jika x1 , x2 dan xm adalah sempel berukuran m, maka rentang sempel adalah
selisih nilai observasi terbesar dengan nilai observasi terkecil atau R = xmak - xmin .
Misalkan R1, R2 , dan Rm adalah rentang m sempel, maka rentang rata-ratanya adalah :
R1 + R2 + ... + Rm
=
m
maka taksiran untuk dihitung dengan cara : = /d2 dimana d2 untuk berbagai ukuran
sempel dapat dilihat dalam tabel lampiran .
Jika digunakan sebagai penaksiran untuk dan /d2 , maka parameter grafik
untuk menentukan , UCL dan LCL adalah :
UCL = + 3
CL =
LCL = – 3
Jika, = A2, maka UCL , CL dan LCL di atas dapat dihitung dengan menggunakan
persamaan sebagai berikut :
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Torik Husein
PENGANTAR TEKNIK INDUSTRI 3
![Page 4: Modul 9 Pengantar Teknik Industri](https://reader035.fdokumen.com/reader035/viewer/2022081719/55721135497959fc0b8e9416/html5/thumbnails/4.jpg)
UCL = + A2
CL =
LCL = - A2
Nilai A2 untuk berbagai ukuran sempel dapat dilihat dalam tabel lampiran.
B. Membuat R - chart
Dalam menggunakan R-chart, maka parameter grafik R dapat ditentukan dengan mudah,
yaitu CL nya adalah . Untuk menentukan UCL dan LCL atau batas pengendalian perlu
ditaksir nilai . Jika dianggap bahwa karakteristik kualitas berdistribusi normal, maka
estimasi dapat diperoleh dari distribusi rentang relatif, yaitu W = R/ . Jika standar
deviasi W = d2 , maka . Untuk rentang standar deviasi nya R adalah , oleh karena
tidak diketahui maka kita dapat menaksir dengan menggunakan persamaan =
.
Dengan demikian, jika kita menggunakan batas pengendalian 3-sigma, maka
parameter R-chart dapat ditentukan dengan persamaan sebagai berikut :
UCL = + 3 = + 3 = ( 1 + 3 )
CL =
LCL = – 3 = - 3 = ( 1 – 3 )
Jika dimisalkan faktor batas pengendali adalah
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Torik Husein
PENGANTAR TEKNIK INDUSTRI 4
![Page 5: Modul 9 Pengantar Teknik Industri](https://reader035.fdokumen.com/reader035/viewer/2022081719/55721135497959fc0b8e9416/html5/thumbnails/5.jpg)
D3 = 1 - 3 ( ) dan D4 = 1 + 3 ( ),
maka parameter R-chart dapat ditulis dengan persamaan sebagai berikut :
UCL = D4
CL =
LCL = D3
Konstanta D3 dan D4 untuk berbagai ukuran sempel atau nilai n dapat dilihat dalam tabel
lampiran .
Contoh 9.1. Pembuatan - chart dan R - chart
PT Plywood pabrik kayu lapis yang berokasi di kalimantan ingin membuat pengendalian
proses dengan menggunakan - chart dan R - chart. Untuk mengetahui bahwa ketebalan
kayu lapis dalam keadaan terkendali, telah dilakuakan pengambilan sempel sebanyak 25
kali dengan ukuran sempel setiap kali pengambilan sebanyak 5 lembar. Data pengambilan
sempel diperlihatkan dalam tabel 9-1.
Tabel 9 -1 Data Pengambilan Sampel kayu lapis PT Playwood
Nomor
sample
Hasil observasi ketebalan kayu lapis (mm)
Xi Ri1 2 3 4 5
1 20,030 20,002 20,019 19,992 20,008 20,010 0,0382 19,995 19,992 20,001 20,011 20,004 20,001 0,0193 19,988 20,024 20,021 20,005 20,002 20,008 0,0364 20,002 19,996 19,993 20,015 20,009 20,003 0,022
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Torik Husein
PENGANTAR TEKNIK INDUSTRI 5
![Page 6: Modul 9 Pengantar Teknik Industri](https://reader035.fdokumen.com/reader035/viewer/2022081719/55721135497959fc0b8e9416/html5/thumbnails/6.jpg)
5 19,992 20,007 20,015 19,989 20,014 20,003 0,0266 20,009 19,994 19,997 19,985 19,993 19,996 0,0247 19,995 20,006 19,994 20,000 20,005 20,000 0,0128 19,985 20,003 19,993 20,015 19,988 19,997 0,0309 19,985 19,995 20,009 20,005 20,004 20,004 0,014
10 20,008 20,000 19,990 20,007 19,995 19,998 0,01711 19,998 19,998 19,994 19,995 19,990 19,994 0,00812 19,994 20,000 20,007 20,000 19,996 20,001 0,01113 20,004 20,002 19,998 19,99 20,012 19,998 0,02914 19,983 19,967 19,994 20,000 19,984 19,990 0,03915 20,006 20,014 19,998 19,999 20,007 20,006 0,01616 20,012 19,984 20,005 19,998 19,996 19,997 0,02117 20,000 20,012 19,98 20,005 20,007 20,001 0,02618 19,994 20,010 20,018 20,003 20,000 20,007 0,01819 20,006 20,002 20,013 20,005 19,997 19,998 0,02120 20,000 20,010 20,013 20,020 20,003 20,009 0,02021 19,998 20,001 20,009 20,005 19,996 19,996 0,03322 20,004 19,999 19,990 20,006 20,009 20,002 0,01923 20,010 19,989 19,990 20,009 20,014 20,002 0,02524 20,015 20,008 19,993 20,000 20,010 20,005 0,02225 19,982 19,984 19,995 20,017 20,013 19,998 0,035
Jumlah 500,024 0,581Rata-rata
20,001 0,023
Untuk membuat - chart, langkah pertama yang harus dilakukan adalah
menentukan parameter centaral line = CL atau garis tengah dengan cara sebagai berikut :
=
=
= 20,003 – 19,992 = 0,038
=
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Torik Husein
PENGANTAR TEKNIK INDUSTRI 6
![Page 7: Modul 9 Pengantar Teknik Industri](https://reader035.fdokumen.com/reader035/viewer/2022081719/55721135497959fc0b8e9416/html5/thumbnails/7.jpg)
Dengan menggunakan A2 = 0,577 dalam tabel lampiran , untuk sempel berukuran n
= 5 , maka dapat dihitung batas atas dan batas bawah pengendalian kualitas sebagai
berikut :
UCL = + A2 = 20,001 + (0,577)(0,023) = 20,014
CL = = 20,001
LCL = + A2 = 20,001 - (0,577)(0,023) = 19,988
Grafik - chart dari contoh 1 diatas, dapat dilihat dalam gambar 10-1
Sedangkan pembuatan R - chart , telah kita hitung sebagai central line = CL , yakni
sebesar 0,023 , untuk selanjutnya kita menentukan harga D3 dan D4 dengan cara
sebagai berikut : Jika ukuran sempel dengan n= 5 , maka dalam tabel lapiran diperoleh
nilai D3 = 0 dan D4 = 2,114. Dari nilai tersebut, maka batas atas dan batas bawah
pengendalian kualitas untuk R-chart adalah :
UCL = D4 = 0,023 (2,114) = 0,049
CL = = 0,023
LCL = D3 = 0,023 (0) = 0
Grafik R-chart dari contoh 1 diatas, dapat dilihat dalam gambar 10 -2.
Dari - chart ini memperlihatkan bahwa tidak ada petunjuk mean sempel di luar kendali.
Oleh karena itu dapat disimpulkan proses pengendalian kualitas ketebalan kayu lapis
berada dalam keadaan terkendali.
Dari R - Chart pengendalian kualitas kayu lapis tersebut nampak bahwa tidak ada proses
produksi kayu lapis yang berada di luar kendali pengawasan, artinya semua ketebalan
kayu lapis masih di dalam batas tolenrasi, oleh karena itu manajemen tidak perlu
mengambil tindakan perbaikan proses.
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Torik Husein
PENGANTAR TEKNIK INDUSTRI 7
20,015
20,010
20,005
20,001
19,995
19,99019,988
19,985
UCL
Xi
![Page 8: Modul 9 Pengantar Teknik Industri](https://reader035.fdokumen.com/reader035/viewer/2022081719/55721135497959fc0b8e9416/html5/thumbnails/8.jpg)
Nomor sample
Gambar 9 – 2 - chart Ketebalan Kayu Lapis
Nomor sample
Gambar 9 –3 R - chart Ketebalan Kayu Lapis
R-chart dan -chart di atas memberikan informasi tentang kemampuan performace
proses. Dari - chart dapat ditaksir mean ketebalan kayu lapis sebesar = 20,001
milimeter dan standar deviasi proses dapat diestimasi dengan menggunakan persamaan
sebagai berikut :
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Torik Husein
PENGANTAR TEKNIK INDUSTRI 8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
CL
LCL
0,05
0,04
0,03
0,02
0,01
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
CL
UCL
Ri
![Page 9: Modul 9 Pengantar Teknik Industri](https://reader035.fdokumen.com/reader035/viewer/2022081719/55721135497959fc0b8e9416/html5/thumbnails/9.jpg)
= R/d2 = 0,023/2,326 = 0,0099
Nilai d2 = 2,326 diperoleh dari tabel lampiran untuk sempel n = 5, batas spesifikasi
ketebalan kayu lapis adalah 20,000 mm 0,03 mm (3-sigma = 3 x 0,0099 = 0,0297 =
0,03). Jika diasumsikan bahwa ketebalan kayu lapis adalah variabel random berdistribusi
nomal dengan mean 20,001 mm dan standar deviasi 0,0099 mm, maka kita dapat
menaksir bagian kayu lapis yang diproduksi tidak sesuai dengan spesifikasi sebagai
berikut :
p = p ( < 19,970) + p ( > 20,030)
p = (-3,13) + 1 - (2,93)
p = 0,00087 + 1 - 0,99831
p = 0,00087 + 0,00169
p = 0,00256
Catatan : angka (2,93) = 0,99831 dan (-3,13) = 0,00087 dapat dicari dalam tabel
distribusi normal lampiran .
Dari hasil perhitungan tersebut dapat disimpulkan bahwa dari kayu lapis yang
diproduksi terdapat 0,256% ketebalannya berada di luar spesifikasi. Dengan kata lain
dalam produksi kayu lapis sebanyak 100.000 lembar terdapat 256 lembar yang berada di
luar spesifikasi. Jika volume produksi cukup besar katakanlah 1 juta lembar, maka
terdapat 2560 lembar kayu lapis yang berada di luar spesifikasi, jumlah ini mungkin
dianggap besar. Dengan kata lain 0,256% mungkin tidak dapat diterima apabila volume
produksi dalam jumlah yang besar.
Penjelasan di atas memperlihatkan bahwa batas pengendalian kualitas dengan -
chart dan R-chart tidak memiliki hubungan matematik dan statistik dengan batas
spesifikasi. Batas pengendalian kualitas x-chart dan R-chart ditentukan oleh standar
deviasi proses (). sedangkan batas spesifikasi ditentukan dari luar proses seperti :
manajemen, manajer operasi, pelanggan atau desainer produk.
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Torik Husein
PENGANTAR TEKNIK INDUSTRI 9
![Page 10: Modul 9 Pengantar Teknik Industri](https://reader035.fdokumen.com/reader035/viewer/2022081719/55721135497959fc0b8e9416/html5/thumbnails/10.jpg)
Apa perbedaan fungsi pengendalian kualitas dengan metode -chart dan R-chart ? .
-chart memantau tingkat proses rata-rata. Sebaliknya R-chart mengukur variabelitas
dalam suatu sempel. Perbedaan lain adalah -chart memantau variabelitas diantara
sempel atau variabelitas dalam seluruh waktu proses. Sedangkan R-chart mengukur
variabelitas di dalam sempel atau variabelitas dalam waktu tertentu.
Masalah yang juga sangat penting dalam menggunakan grafik pengendalian kualitas
-chart dan R-chart adalah menentukan ukuran sempel dan frekuensi pengambilan
sempel. Penentuan ukuran sempel dan frekuensi pengambilan sempel, biaya penelitian,
biaya perbaikan proses dan biaya karena menghasilkan produk yang tidak memenuhi
spesifikasi.
Jika kita menggunakan -chart untuk mengetahui pergeseran proses 2 atau lebih
(2-sigma atau lebih). maka ukuran sempel yang relatif kecil katakanlah n = 4 s.d 66 adalah
cukup efektif. Sebaliknya, jika kita ingin mengetahui pergeseran proses kecil katakanlah
kurang dari 2 (kurang dari 2-sigma), maka diperlukan ukuran sempel yang lebih besar,
yaitu n = 15 s.d 25. Apabila kita menggunakan ukuran sempel yang lebih kecil, maka
resiko terjadinya pergeseran proses akan kecil pada saat sempel itu diambil. Hal ini dapat
dijadikan alasan mengapa penggunaan ukuran sempel mungkin secara konsisten sangat
tepat digunakan apabila kita ingin mengetahui pergeseran proses yang bersar.
Jika kita menggunakan R-chart, maka ukuran sempel kecil tidak peka terhadap
pergeseran standar deviasi proses. Sebaliknya, ukuran sempel yang lebih berar
kelihatanya lebih efektik, tetapi efisiensi penaksiran standar deviasi akan turun apabila
ukuran sempel (n) naik. Oleh karena itu, untuk ukuran sempel besar ( n besar) mungkin
yang terbaik adalah tidak menggunakan R-chart. Masalah penentuan ukuran sempel
dan frekuensi pengambilan sempel adalah masalah penentuan sampling penerimaan.
Keterbatasan sumber daya mengakibatkan para pengambil keputusan harus memilih
strategi apakah akan mengambil sempel kecil tetapi jarang, dengan kata lain apakah akan
mengambil ukuran sempel 5 setiap setengah jam atau mengambil ukuran sempel 20
setiap dua jam.
Strategi mana yang akan diambil tidak mungkin untuk mengatakan bahwa strategi
itu terbaik dalam semua hal, tetapi praktek dalam dunia industri saat ini memiliki
kecenderungan untuk mengambil ukuran sempel kecil dengan frekuensi tinggi atau sering.
Dari sudut pandang ekonomi, jika biaya produk yang cacat itu tinggi, maka sempel ukuran
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Torik Husein
PENGANTAR TEKNIK INDUSTRI 10
![Page 11: Modul 9 Pengantar Teknik Industri](https://reader035.fdokumen.com/reader035/viewer/2022081719/55721135497959fc0b8e9416/html5/thumbnails/11.jpg)
kecil dengan frekuensi yang sering jauh lebih baik dari sempel ukuran besar tetapi lebih
jarang.
Faktor lain yang mempengaruhi ukuran pengambilan sempel adalah volume
produksi, Jika volume produksi cukup besar dalam setiap jam, maka diperlukan
pengambilan sempel yang lebih sering dibandingkan dengan volume produksi kecil. Hal ini
dilakukan karena akan bnyak produk cacat yang dihasilkan dalam waktu yang singkat
apabila terjadi pergeseran proses atau ketidak tepatan proses. Jika biaya pemesiksaan
dan pengujian per unit rendah, maka proses produksi dengan volume besar dalam waktu
yang relatif cepat, maka ukuran sempel besar sangat sering digunakan.
Pengambilan ukuran sempel untuk pengendalian proses ini dilakukan dengan
beberapa pertimbangan, yaitu (1) waktu sangat terbatas, (2) volume produksi cukup besar
dan bersifat homogin, (3) pemeriksaan dilakukan dengan merusak produk, (4) Produk
yang diproses tidak berisiko tinggi jika terjadi kegagalan, (5) biaya untuk pemeriksaan
individusangat tinggi. Hal lain yang perlu diperlihatkan dalam penggunaan teknik sampling
ini adalah risiko yang akan timbul baik resiko yang ditanggung oleh konsumen maupun
risiko yang ditanggung oleh produsen sebagai akibat dari kesalahan sampling (sampling
error). Risiko konsumen timbul karena dari sempel yang diambil dinyatakan proses dalam
keadaan terkendali pada hal sesungguhnya ada produk yang cacat atau diluar kendali.
Sedangkan risiko produsen terjadi karena dari sempel yang diambil dinyatakan proses di
luar kendali sehingga perlu perbaikan proses pada hal sesungguhnya ada produk yang
baik.
BUKU ACUAN
1. Maynard “ Handbook of Industrial Engineering” Mc Graw Hill
2. Salvendy “ Handbook of Industrial Engineering” John Wiley
3. Hicks “ Industrial Engineering and Management “ Mc Graw Hill
4. Purnomo Hari “ Pengantar Teknik Industri “ Graha Ilmu, Yoyakarta
5. dan lain-lain
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Torik Husein
PENGANTAR TEKNIK INDUSTRI 11