Statistical Process Control (SPC) Global Partner for Business Success Global Partner for Business...

Statistical Process Control (SPC)

Global Partner for Business Success


Presented by :

Statistical Process Control



Neville-Clarke, 2014

Slide No 1 CTQ and SPC Issue 0, Feb 2014

Sasaran Pelatihan

Untuk memahami konsep dan peranan SPC di dalam Sistem Manajemen Mutu

Untuk menerapkan SPC secara efektif melalui penggunaan teknik-teknik control chart





Outline - Pelatihan

Prinsip-prinsip Variasi Perencanaan Pengumpulan Data Variable Control Chart Analisa Pola Grafik Attribute Control Chart Process Capability Analysis Analisa Masalah dan Tindakan Perbaikan




Pengenalan 1





Definisi Statistik

Metode Ilmiah dalam pengumpulan,

pengolahan, penyajian, analisa dan

interpretasi dari data.





Definisi Process

Kumpulan dari aktifitas-aktifitas yang saling terkait atau berinteraksi untuk mengubah input menjadi output

(ISO 9000:2005)

Sumberdaya termasuk manusia, peralatan, bahan baku, teknologi, metode dan fasilitas

Input in-process output

(sumberdaya) activities (produk

/ jasa)





Definisi Statistical Process Control ( SPC )

SPC adalah kumpulan teknik-teknik pemecahan masalah untuk mengumpulkan atau menganalisa data sedemikian rupa sehingga kita dapat memahami dan bertindak untuk menstabilkan proses, mengurangi variasi dan memperbaiki kapabilitas

Alat utama dari SPC adalah Control Chart (Fokus utama dalam pelatihan ini)

Alat-alat SPC yang lainnya yang dikenal dengan “QC Tools” adalah diagram pareto, histogram, check sheet, flow chart, diagram sebab dan akibat dan diagram pencar.





Statistical Quality Control

SPC dapat digunakan untuk memenuhi ISO 9001:2008

Klausul :

8.4 Data Analysis

8.5.2 Tindakan Perbaikan

8.5.3 Tindakan Pencegahan





E

X

T

E

R

N

A

L

C

U

S

T

O

M

E

R

P

D

A

C

P

D C A

P

D C A

P

D C A

P

D C A

P

D C A

P

D C A

E

X

T

E

R

N

A

L

C

U

S

T

O

M

E

R

Process A

Process B

Process C Process D

Process E

Process F Internal

Customer

Internal

Customer

Input A

Input B

Input C

Input E

Input D

Output C

Output F

Output E

Output D

Input F

Output A

Output B

Feedback

PDCA cycle in organization





Busines Process Example

Marketing/

Business Dev/ PMM

Operation

D D HSE

Corporate Objective

Planning

Review and Improvement

<QA, Marketing,Technical, PMM>

Procure-ment

Fin.

IT HRD Edu/C

SM

Support

Core Process

Cu

sto

mer

Cu

sto

mer

Distribution/

Branch

Others

R&D





Quality/productivity improvement

Productivity

2009 2010 2011 2012

M/C

_1

M/C

_2

M/C

_3

2011 result

80 85

90 95

90 95

80

Ave:90

To increase result in 2012

We must analysis result between machine






Quality/productivity improvement

Quality

2009 2010 2011 2012

500 450 400

350

To reduce “defect “ we need reduce process variation

2010

2011

2012

USL

LSL

CL





Proses Control 2





CTQ ( Critical to Quality )

CTQ’s in Support area

CTQ’s in Operation area





CTQ ( Critical to Quality )

Operation

Product Identi-

fication

Material

Used

Mixing

Material

Drying

Material

Barrel Die

Head

Sizing Cooling Bath

Houll Off Marking

-Hot Print,

Inject,Laser

SAW Tipping Product Spec

Input

Output

CTQ example





Data

Data adalah fakta-fakta kuantitative dan pengukuran yang dikumpulkan terhadap beberapa

karakteristik dari suatu populasi atau sample.

1 2 3 4 5 6 7 8 9

0

5

10

15

20

25

30

35

40

45

50

0

5

10

15

20

25

30

35

40

45

50

1 2 3 4 5 6 7 8 9

l

0

5

10

15

20

25

30

35

40

45

50

Contoh : Data : Prosentase defect dalam satu lot produksi. Populasi – Produksi sepatu model baru pada keseluruhan produksi. Sample - Produksi sepatu baru pada bulan ketiga.





Populasi Statis dan Dinamis

Populasi statis adalah dimana semua anggotanya adalah tetap. Contoh : Kartu remi yang berjumlah 52 Untuk manufaktur atau bidang jasa, populasinya dinamis, terjadi perubahan sepanjang waktu. Oleh karena itu referensi apapun terhadap suatu populasi dari suatu proses harus dalam kondisi statis pada suatu waktu tertentu. (tidak ada perubahan yang direncakan).





ATTRIBUTE DATA

Parameter yang tidak terukur, dimana setiap keluarannya menghasilkan dua kemungkinan, misalnya : • Angka atau Gambar (pada uang logam) • Diterima atau Ditolak • Ya atau Tidak

Analisa terhadap data attribute adalah melalui perhitungan kemunculannya dan hasilnya dapat dinyatakan sebagai : • Jumlah kejadian/kemunculan, atau • Proporsi atau prosentasi kejadian atau kemunculan.

Jika menggunakan data attribute, kriteria yang digunakan untuk mengklasifikasikan keluannya harus jelas. Tanpa adanya klarifikasi yang jelas, data attribute yang dikumpulkan tidak dapat dipercaya dan selanjutnya tidak dapat digunakan analisa dengan menggunakan SPC.





VARIABLE DATA

Data variabel adalah data yang didapatkan dari hasil suatu pengukuran (dapat dengan menggunakan suatu instrumen). Contoh Parameter listrik (mis, tegangan, arus listrik, nilai tahanan) •Dimensi •Berat •Tekanan •Waktu … atau penunjukan indikator angka berdasarkan skema indeks tertentu….. Contoh •Harga Saham •Intelligent Quotient (IQ) Dengan menggunakan data variabel, isu yang terpenting adalah kemampuan alat harus diperhatikan.





Statistik sederhana dari data variabel

Jika kita mempunyai data X1, X2, ..., Xn , dan Xmax = max(X1, X2, ..., Xn), Xmin = min (X1, X2, ..., Xn), maka _ Rata-rata (X ) = Range (R) = Xmax – Xmin

Standard deviation (σ atau s) =

Rata-rata digunakan untuk menggambarkan “Lokasi” atau “Pusat” dari suatu data. Range atau std deviation digunakan untuk menggambarkan “sebaran” atau “variasi” dari suatu data.

n

n

iiX

1

1

1

2

n

XXn

i

i





Range vs. Std Deviation

Keuntungan dari Range : - Mudah dalam perhitungan - Mengindikasikan sebaran mutlak dari suatu data Kelemahan dari range: - Teori statistiknya sulit dipahami dalam aplikasi - Penggunaannya tidak baik untuk penggunaan semua data yang ada (Hanya min dan Maks) Contoh : Data 1: 4,5,5,6,6,6,7,7,7,7,8,8,8,9,9,10 mean= range = Data 2: 4, 6.5, 6.6, 6.7, 6.7, 6.7, 7,7,7,7, 7.3,7.3, 7.3, 7.4, 7.5, 10 mean= range = Apakah menurut anda kedua data tersebut diatas sama ?





Karakteristik Mutu

• Properti dari suatu proses yang dianggap mensifatkan dari suatu mutu proses.

• Dinyatakan baik dengan menggunakan data attribute atau data variabel.

• Dapat diambil dari input proses, aktifitas dalam proses atau

output. Contoh : (Pembuatan kue) Tahapan Proses Data Attribute Variable Data input Permukaan telur Berat telur in-process Kehalusan texture Temperatur oven Output [a] Texture kue [a] berat kue [b] Jumlah lubang [b] peringkat koki





Tipe Control Chart

Untuk data variabel, _ X - R (mean & range) chart _ X - s (mean & standard deviation) chart X - MR (individual & moving range) chart

Untuk data attribute, Np chart (Untuk hitungan non-conformance) p chart (Untuk proporsi non-conformance) c chart (Untuk hitungan non-conformities) u chart (Untuk proporsi non-conformities, per unit basis)

0

5

10

15

20

25

30

35

40

45

50

1 2 3 4 5 6 7 8 9

LCL

UCL




Prinsip variasi 3





10 Prinsip Variasi

1. Segala sesuatu bervariasi. Variasi adalah normal selalu ada , tidak ada pengecualian.

2. Semua variasi ada penyebabnya

Ada yang jelas dan ada juga yang tidak jelas.

3. Tidak semua penyebab variasi mempunyai kontribusi

yang sama. Penyebab variasi mengikuti prinsip pareto

(80/20 rule) 4. Kebanyakan penyebab-penyebab variasi dapat

dikategorikan kedalam kelompok-kelompok berikut :

•Metode

•Bahan Baku

•Mesin

•Manusia

•Pengukuran

•Lingkungan





10 Prinsip Variasi (Lanj’t)

5. Proses yang stabil akan menghasilkan pola variasi yang konsisten sepanjang waktu.

Hal ini berarti kita dapat memperkirakan kinerja proses dalam batasan-batasan tertentu.

6. Variasi yang terdapat di dalam proses yang stabil dihasilkan oleh

common causes yang merupakan bagian dari proses yang normal. Common Cause juga disebut sebagai ‘random’ atau ‘system’ cause.

Contoh variasi yang disebabkan oleh common cause : • Aliran proses produksi • Mutu bahan baku • Kestabilan lingkungan (mis., getaran fluktuasi listrik, cuaca) • Perbedaan kecepatan kerja antara beberapa operator • Standart kerja (Dikarenakan ketidakjelasan standart kerja atau

pelatihan) Bagaimanapun juga ketika common causes menjadi berlebihan akan mengakibatkan menjadi assignable cause.





Illustrasi grafik tentang proses yang terkendali

Jika hanya ada common cause dari suatu variasi yang muncul di dalam suatu proses, proses tersebut akan menghasilkan pola distribusi yang stabil sepanjang waktu dan dapat diprediksikan.

prediction

quality characteristics






7.Variasi yang berasal dari special (‘assignable’) causes akan mengakibatkan proses menjadi tidak stabil atau “out-of-control”.

Kondisi akan mengakibatkan variasi yang besar.

Contoh special causes dari suatu variasi :

• Operator baru yang tidak mendapat pelatihan yang cukup

• Kesalahan dalam pen-setting-an parameter proses

• Kesalahan pemasukan data

• Listrik padam (Mempengaruhi kerja sistem komputer, kestabilan mesin)

• Alat ukur tidak terkalibrasi

• Bagian dari suatu mesin yang aus

• Lot yang tercampur dengan material yang lain





Ilustrasi grafik dari suatu proses yang out of control

Prediction ???

quality characteristics






8. Untuk memahami penyebab dari suatu variasi, pilah-pilah data yang ada kedalam berbagai kondisi yang sesuai dan bandingkan.

Contoh :

Pilah berdasarkan lama waktu perbaikan peralatan oleh beberapa teknisi

Pilah produk yang cacat beradasarkan shift dan line produksi

9. Penyebab-penyebab yang utama dari suatu variasi dapat dianalisa dengan penggunaan alat-alat statistisk yang sederhana

(contoh histogram, normal probability plot, scatter plot, boxplot, & control charts)

10. Dengan mengurangi variasi akan dapat menghasilkan cost yang rendah

dan dapat meningkatkan mutu.





Ilustrasi grafik : Merubah proses yang out-of-control menjadi terkendali

Special cause muncul

Special cause dihilangkan





VARIATION, STABILITY, & CAPABILITY

high low / high out-of-control (unstable) & NOT capable low high in control (stable) but NOT capable low low in control (stable) & capable

Tidak valid membicarakan kapabilitas proses jika kondisi terkendali tidak disertakan. Kapabilitas proses ditetapkan juga dengan limit.

Special

Causes

Common

Causes Kondisi Proses

Kunci dari kegiatan perbaikan proses adalah membawa kedalam kondisi stable dan capable





Specification vs. Control Limits

specification limits – disediakan oleh pelanggan atau bagian pengembangan produk (R & D)

control limits – Ditetapkan hanya berdasarkan variasi yang ada dalam proses.

Control limits tidak ada hubungan dengan spesifikasi

Bagaimanapun, process capability diindikasikan melalui

perbandingan antara control limit vs spec limits.

Bagian pengembangan produk dapat menetapkan spesifikasi

setelah mengkaji control limits, sedemikian rupa sehingga

penentuan Specification limit menjadi wajar.





Ilutrasi grafik : Perbaikan dari kondisi tidak capable ke dalam kondisi yang capable

upper

specification

lower specification

stable & capable

stable but not capable





Mengelola Variasi

Special cause • Dapat ditangani oleh level ‘shop-floor’ yang melakukan kegiatan rutin sehari-

hari • Solusi yang dapat dilakukan dapat spesifik untuk mencegah keterulangan

terhadap suatu penyebab yang khusus. • Tidak mengarah ke dalam perubahan sistem secara mendasar. • Pada umumnya solusi yang diambil bersifat jangka pendek.

Common cause • Ditangani oleh mereaka yang mempunyai kemampuan teknikal/manajemen,

tidak menutup kemungkinan juga dengan membentuk tim antar bagian. • Membutuhkan perubahan sistem secara mendasar untuk memperbaiki process

capability. • Tindakan perbaikan biasanya medium sampai jangka panjang.

W. E. Deming mengatakan bahwa 80% variasi proses dalam suatu industri disebabkan oleh common cause, dimana 20% disebabkan oleh special cause.




Perencanaan

Pengumpulan

Data 4





Subgroup Satu atau lebih kejadian atau pengkuran yang disampling pada suatu waktu dan digunakan untuk menghitung karakteristik mutu dari suatu proses pada waktu tertentu.

Subgroup size Jumlah pengamatan dalam satu pengambilan sample dari suatu subgroup. Semakin besar ukuran subgroup size akan menghasilkan Control limit yang lebih sempit Penentuan ukuran subgroup perlu dipertimbangkan aspek biaya dalam pengambilan sample

Subgroup and Subgroup size





Pertimbangan Subgroup size

Untuk variable control charts Jika biaya sampling sangat tinggi atau variasi within subgroup dapat diabaikan, maka gunakan s.s = 1 (X-MR chart) Jika biaya dalam pengambilan sample dapat diterima, variasi within subgroup tidak dapat diabaikan dan mudah untuk menghitung standard deviation, maka use s.s = ≥ 11 ( chart) Jika variasi within subgroup tidak dapat diabaikan, tidak mudah menghitung standard deviation atau tidak ada masalah dengan faktor biaya, maka use s.s = 1<ss<11 ( chart)

Untuk attribute control charts - Cukup untuk mendeteksi penyimpangan dengan minimal 5 kemunculan setiap subgroup - Bervariasi dengan tidak lebih kurang lebih + 25% dari rata-rata subgroup size

Rx

Sx





Metode Sampling

Metode A : Waktu sesaat […...xxx] […...xxx] […...xxx] […...xxx] […...xxx] […...xxx] […...xxx] Metode B: Waktu yang acak [x..x...x] […x..x..x] [.x...x..x] [x..x….x] […x..x..x] [.x….x.x][..x..x..x]

one sampling period

e.g. every shift

x = one or more sampling units

Umumnya, pengambilan sample sebaiknya dilakukan secara acak, sedemikian rupa sehingga setiap unit di dalam populasi mempunyai peluang yang sama untuk disample.

Perimbangan-pertimbangan yang dapat diambil : Jika tujuannya adalah :

• Memaksimalkan perbedaan pergeseran proses antara 2 periode pengambilan sample, maka gunakan metode A.

• Mendapatkan sample yang mewakili selama periode pengambilan sample untuk menguji kesesuaian, maka gunakan metode B.





Memilih Sub-group Yang Baik

•Analisa faktor signifikan dan berikan ranking signifikansinya.

•Jangan menyatukan data menjadi subgroup (merata-ratakan) bila yang data dirata-ratakan berasal dari beberapa sumber yang berbeda namun sumber ini memiliki kecendrungan sebagai special cause yang cukup signifikan.

•Jangan menetapkan satu periode sebagai sebuah sub group bila peluang masuknya special cause pada periode tersebut adalah sangat besar.





Bagaimana Memilih Sub-group Yang Baik - Part I

Contoh mesin : 1, 2, 3 operator : A, B, C, (shift I); D, E, F (shift II); G, H, K (shift III)

SHIFT I II III A B C D E F G H K 1 * * * * * * * * * 2 * * * * * * * * * 3 * * * * * * * * *

machine * Menggambarkan 1

sample atau lebih





Jika suatu subgroup dipilih dalam dibawah, maka Within-subgroup variation : variasi diantara operator-mesin- shift yang sama Between-subgroup variation : variasi antara operator-mesin dan shift yang berbeda

Bagaimana Memilih Sub-group Yang Baik - Part II






Jika suatu subgroup dipilih dalam dibawah, maka Within-subgroup variation : Variasi diantara operator- shift yang sama Between-subgroup variation : variasi antar operator antar shift


Bagaimana Memilih Sub-group Yang Baik - Part III





Jika suatu subgroup dipilih dalam dibawah, maka Within-subgroup variation : variasi pada mesin dan shift yang sama Between-subgroup variation : variasi antar mesin antar shift


Bagaimana Memilih Sub-group Yang Baik - Part IV





Jika suatu subgroup dipilih dalam dibawah, maka

Within-subgroup variation : variasi dalam shift yang sama Between-subgroup variation : variasi antar shift


Bagaimana Memilih Sub-group Yang Baik - Part V





Dampak Terhadap Kesalahan Pemilihan Metode Subgrouping

Jika metode subgrouping yang digunakan salah, maka control chart kemungkinan tidak mampu menangkap ketidakstabilan.

Contoh :

Handouts Illustration Page 4:12a – 4:12b





Pemilihan Penetapan Control Limit

Biasanya control limit di set pada +/- 3 std. deviation (sigma) dari rata-rata pada suatu karakteristik mutu tertentu. Alasannya : - Berdasarkan “best practice” - Mampu memberikan perlindungan secara praktis dalam mendeteksi penyimpangan Bagaimanapun juga perlindungan yang diberikan tidak begitu bagus terhadap pergeseran proses yang sedikit (akan dibahas pada sesi advance) Terdapat suatu aturan ‘sensitizing’ atau aturan peluang terkait dengan ‘2-out-of-3’ yang keluar dari limit 2-sigma.





Prosedur Untuk Mempersiapkan Control Chart

1. Pilih karakteristik mutu yang akan dikendalikan. 2. Pilih control chart yang sesuai. 3. Tetapkan sampling plan, ukuran subgroup dan frekuensi pengambilan

data. 4. Kumpulkan dan catat data dengan paling sedikit 20 sampai 25 subgroup

atau gunakan data sebeumnya. 5. Hitung nilai statistik untuk karakteristik mutu dari setiap subgroup.

Calculate center line and control limits based on the statistics from subgroup samples

6. Buat suatu chart dan masukkan nilai-nilai statistik dari setiap subgroup. 7. Uji pola yang ada terhadap titik-titik yang keluar dari control limit dan

untuk pola-pola yang mengindikasikan kehadiran dari special cause. 8. Jika ada, maka, - Selidiki akar masalah dan lakukan tindakan perbaikan - hilangkan titik-titik pada step 8 dan lanjutkan pengambilan data untuk menggantikan data yang dihilangkan . - kembali ke tahapan 5 10.Uji pola yang ada dan lihat apakah ada pola non random.




Variable Control

Charts 5





Latar Belakang dibalik penggunaan variable control chart

Untuk data variable, control chart yang terbentuk terdiri atas 2 buah chart, yaitu _ • X - R (mean & range) chart

_ • X - s (mean & standard deviation) chart

• X - MR (individual & moving average) chart

Dengan demikian kita dapat membandingkan within-subgroup variation vs. between-subgroup variation

between subgroup : monitored by atau X chart within-subgroup : monitored by R atau s chart Suatu proses yang dikatakan out-of-control jika • between-subgroup variation berlebihan atau..

• within-subgroup variation berlebihan

x





Penggunaan Variable Control Chart

Tahapan Proses Penggunaan

input memantau mutu raw material

in-process memantau parameter proses dan produk semi finish

output memantau mutu finish good

…. Baik untuk kesesuaian terhadap spesifikasi maupun untuk memastikan kestabilan





Pemilihan Variable Control Chart

Tipe Chart Digunakan ketika... _ •X - R chart ukuran subgroup kecil (1<ss<11);

Sulit menghitung standart deviasi _ •X - s chart ukuran subgroup adalah ≥ 11 ;

Tidak sulit menghitung std dev. •X - MR chart within-subgroup variation dapat diabaikan ; mahal dalam pengambilan data





Pembuatan skala yang tepat dalam pembentukan control chart

_

X atau X chart Pilih lower limit and upper limit sedemikian rupa sehingga jarak dari lower limit dan upper limit dari nilai rata-rata mendekati perbedaan antara nilai tertinggi dan terendah dari data-data yang diambil dari data awal. The R or s chart lower limit : 0 upper limit : kira-kira dua kali nilai tertinggi dari data-data yang diambil dari data awal





Dasar Teori Statistik Dari Variable Control Chart

Rumus yang digunakan untuk menurunkan control limit dari variable control charts adalah didasarkan pada asumsi rata-ratanya terdistribusi secara normal.

Teori tersebut dikenal dengan CENTRAL LIMIT THEOREM yang mengatakan bahwa :

“Tanpa memperhatikan distribusi yang mendasari distribusi dari populasi, distribusi dari nilai rata-rata sample yang diambil dari populasi akan mendekati distribusi normal seiring dengan meningkatnya ukuran sample”

Ukuran subgroup 5 atau lebih akan pada umumnya dapat memenuhi persyaratan ini.





Karakteristik Dari Distribusi Normal

1. Berbentuk bel dan mempunyai satu puncak pada nilai rata- ratanya 2. Simetris terhadap nilai rata-ratanya 3. kira-kira 68,26 % berada dalam 1 sigma dari rata-rata kira-kira 95,46 % berada dalam 2 sigma dari rata-rata kira-kira 99,73 % berada dalam 3 sigma dari rata-rata

68.26%

95.46%

99.73%

- 2 - 1 u 1 2





Statistical Process Control (SPC) CD1

Formula Variable Control Chart

m

X

X

m

i

i 1

RAX 2

RX

CL =

UCL =

LCL =

CL =

UCL =

LCL =

(m = jumlah subgroups)

RAX 2

X

m

R

R

m

i

i 1

RD4

RD3

m

X

X

m

i

i 1

SAX 3

SX

CL =

UCL =

LCL =

CL =

UCL =

LCL =

SAX 3

X

m

S

S

m

i

i 1

SB4

SB3

1. chart

R Chart

Chart

2. chart

S Chart

Chart





m

X

X

m

i

i

i

1CL =

UCL =

LCL =

CL =

UCL =

LCL =

note:

MR is defined as follows:

X MR

X1 MR1 = undefined

X2 MR2 = | X2-X1 |

X3 MR2 = | X3-X2 |

….

Xm MRm =| Xm-Xm-1 |

3. X-MR chart

MRXd

MRX 66.23

2

MRXd

MRX 66.23

2

1

2

m

MR

MR

m

i

i

MRMRD 267.34

03 MRD

MR Chart

X Chart

Formula Variable Control Chart






Parameter-parameter Yang Digunakan Untuk Membentuk Variable Control Chart

SUB- Chart for Averages Chart for Standard Deviations Chart for Ranges

GROUP Factors for Factors for Factors for Control Limits Factors for Factors for Control Limits

SIZE Control Limits Central Line Central Line

A A2 A3 c4 1/(c4) B3 B4 B5 B6 d2 1/(d2) d3 D1 D2 D3 D4

2 2.121 1.88 2.659 0.7979 1.2533 0 3.267 0 2.606 1.128 0.8865 0.853 0 3.686 0 3.2673 1.732 1.023 1.954 0.8862 1.1284 0 2.568 0 2.276 1.693 0.5907 0.888 0 4.358 0 2.5744 1.5 0.729 1.628 0.9213 1.0854 0 2.266 0 2.088 2.059 0.4857 0.88 0 4.698 0 2.2825 1.312 0.577 1.427 0.94 1.0638 0 2.089 0 1.964 2.326 0.4299 0.864 0 4.918 0 2.114

6 1.225 0.483 1.287 0.9515 1.051 0.03 1.97 0.029 1.874 2.534 0.3946 0.818 0 5.078 0 2.0047 1.134 0.419 1.182 0.9594 1.0423 0.118 1.882 0.113 1.806 2.704 0.3698 0.833 0.204 5.204 0.076 1.9248 1.061 0.373 1.099 0.965 1.0863 0.185 1.815 0.179 1.751 2.847 0.3517 0.82 0.388 5.306 0.136 1.8619 1 0.337 1.032 0.9693 1.0317 0.239 1.761 0.237 1.707 2.97 0.3367 0.808 0.547 5.393 0.184 1.81610 0.949 0.308 0.975 0.9727 1.0281 0.284 1.716 0.276 1.669 3.078 0.3249 0.797 0.687 5.469 0.223 1.777

11 0.905 0.285 0.927 0.9754 1.0252 0.321 1.679 0.313 1.637 3.173 0.3152 0.787 0.811 5.535 0.256 1.74412 0.866 0.266 0.886 0.9776 1.0229 0.354 1.616 0.346 1.61 3.258 0.3069 0.778 0.922 5.594 0.283 1.71713 0.832 0.249 0.85 0.9794 1.021 0.382 1.618 0.374 1.585 3.336 0.2998 0.77 1.025 5.647 0.307 1.69314 0.802 0.235 0.817 0.981 1.0194 0.406 1.594 0.399 1.563 3.407 0.2935 0.763 1.118 5.696 0.328 1.67215 0.775 0.223 0.789 0.9823 1.018 0.428 1.572 0.421 1.544 3.472 0.288 0.756 1.203 5.741 0.347 1.653

16 0.75 0.212 0.763 0.9835 1.0168 0.448 1.552 0.44 1.526 3.532 0.2831 0.75 1.282 5.782 0.363 1.63717 0.728 0.203 0.739 0.9815 1.0157 0.466 1.534 0.458 1.511 3.588 0.2787 0.744 1.356 5.82 0.378 1.62218 0.707 0.194 0.718 0.9854 1.0148 0.482 1.518 0.475 1.496 3.64 0.2747 0.739 1.424 5.856 0.391 1.60819 0.688 0.187 0.698 0.9862 1.014 0.497 1.503 0.49 1.483 3.689 0.2711 0.734 1.487 5.891 0.403 1.59720 0.671 0.18 0.68 0.9869 1.0133 0.51 1.49 0.504 1.47 3.735 0.2677 0.729 1.549 5.921 0.415 1.585

21 0.655 0.173 0.663 0.9876 1.0126 0.523 1.477 0.516 1.459 3.778 0.2647 0.724 1.605 5.951 0.425 1.57522 0.64 0.167 0.647 0.9882 1.0119 0.534 1.466 0.528 1.448 3.819 0.2618 0.72 1.659 5.979 0.434 1.56623 0.626 0.162 0.633 0.9887 1.0114 0.515 1.455 0.539 1.138 3.858 0.2592 0.716 1.71 6.006 0.443 1.55724 0.612 0.157 0.619 0.9892 1.0109 0.555 1.455 0.549 1.129 3.895 0.2567 0.712 1.759 6.031 0.451 1.54825 0.6 0.153 0.606 0.9896 1.0105 0.565 1.435 0.559 1.12 3.931 0.2544 0.708 1.806 6.056 0.459 1.541






DATE CONTROLSPECIFICATIN PART NO

PART NAME

ENGINRING SPCIFICATION

SAMPLE SIZE

CONTROL YES ( )

NO ( )

DATE CONTROL LOMITS CALCIULATED

A C T I O N

ON SPECIAL CAUSES

• ANY POINT OUTSIDE OF THE CONTROL LIMITS

• A RUN OF 7 POINTS ALL ABOVE AAND ALL BELOW

THE CENTRE LINE

• A RUN OF 7 INTERVALS UP OR DOWN

• ANY OTHER OBVIOSLY NON RANDOM PATTERN

A C T I O N I N S T R U C T U R S

1.

2.

3.

4.

5.

S U B G R O U O P

SIZE A2 D3 D4

2 1.88 . 3.267

3 1.023 . 2.574

4 0.729 . 2.282

5 0.577 . 2.114

6 0.483 . 2.004

7 0.419 0.076 1.924

8 0.373 0.136 1.861

9 0.337 0.184 1.816

10 0.308 0.223 1.777

THE PROCESS MUST BE IN CONTROL

BEFORE CAPABILITY CAN BE

DETERMINED

A V E R A G E S ( X B A R C H A R T)

5

SUM

R A N G E S ( R C H A R T )

For sample sizes of less than seven, there is no lower control hand f range

PLANT

MACH NO.

DEPT

DATES

OPERATION

CHARACTERISTICS

DATE

TIME

1

2 3

4






Variable Control Chart Exercise 1, 2 dan 3





Control Chart x – R (Minitab)





Control Chart x – S (Minitab)





Control Chart x – MR (Minitab)




Analisa Pola

Chart 6





Pembacaan gelaja-gejala Out Of Control

Suatu proses dikatakan daalam keadaan out of control jika terdapat keadaan sebagai berikut :

• Satu atau lebih titik berada di luar control limits atau

• Titik-titiknya mengindikasikan beberapa pola sebagai

– Trends

– Shifts

– Cycles

– Mixture

– Stratification

– Systematic pattern





Points beyond control limits

1. Jika ada satu atau lebih titik keluar dari batas kendali 3 sigma

2. Jika ada 2 titik dari 3 berturut-turut berada dalam area 2 sigma dan 3 sigma

µ + 3 σ

µ + 2 σ

µ + 1 σ

µ

µ - 1 σ

µ - 2 σ

µ - 3 σ





Trend

Gejala trend adalah pergerakan continuous pada satu arah,biasanya karena disebabkan karena kerusakan yang gradual atau penurunan kemampuan proses e.g.

- Kelelahan operator - Panas atau tekanan - Komponen mesin yang aus - Usia material

Aturan deteksi umum : Berlarian 7 titik pada satu arah





Shift

Gejala shift terlihat ketika titik yang berurutan berbelok drastis dari titik-titik pada periode sampling sebelumnya.

shift dapat terjadi dari perubahan-perubahan yang significant (direncanakan atau tidak direncanakan) di dalam proses, seperti operator baru, prosedur perbaikan/assembling/inspeksi baru, bahan baku baru, peralatan yang semakin membaik.

Aturan deteksi umum : 7 titik diatas atau dibawah center line.





Cycle

Cycle adalah pergerakan yang reguler dari perubahan lingkungan yang

sistematis, seperti

• Perubahan temperatur sepanjang hari,

• Perputaran shift atau mesin, atau

• Fluktuasi tegangan listrik atau tekanan





Mixture

Mixture terjadi ketika terdapat titik-titiknya cenderung jatuh kearah atau mendekati control limits, dengan relatif sedikit titik-titik yang berada di centre line. Mixture dapat disebabkan karena • Material dari dua pemasok yang berbeda • Dua tipe software, operator atau metode kerja • Kesalahan pengaturan (adjustment) dari suatu proses oleh operator Keparahan dari Mixture tergantung pada sejauh mana data-data yang ada saling tumpang tindih.





Stratification

Stratification kecenderungan titik-titik untuk berada disekitar centre line. Kasus ini dimungkinkan disebabkan karena :

• kesalahan dalam melakukan pengambilan sample • kesalahan dalam melakukan perhitungan control limits • resolusi alat ukur yang terbatas • variasi proses membaik, tetapi control limit tidak di update

* Stratification juga disebut pola “memeluk centre line”.





Systematic Pattern

Systematic pattern adalah pergerakan naik turun yang dihasilkan dari perubahan periodik yang konstan, misalkan perubahan shift, putaran mesin dll.

Hal ini dimungkinkan karena kombinasi dari shift, cycle dan mixture

Dalam menginterpretasikan Systematic pattern diperlukan pengetahuan teknis terhadap proses.




Attribute Control

Chart 7





Definisi

Jika suatu item tidak memenuhi persyaratan terhadap satu atau lebih karakteristik mutu, maka item tersebut diklasifikasikan sebagai nonconforming. Suatu nonconformity adalah ketidakterpenuhan terhadap suatu karakteristik mutu terhadap fungsi penggunaan tertentu. Nonconformity adalah titik spesifik dimana suatu spesifikasi tertentu tidak terpenuhi. Suatu nonconforming adalah suatu unit dari suatu produk atau jasa yang tidak memenuhi satu atau lebih dari spesifikasi untuk produk/jasa tersebut. Suatu nonconforming akan terdapat paling sedikit satu Nonconformity.





Tipe Attribute Control Chart

• fraksi nonconforming - P chart

• Jumlah nonconforming - NP chart

• Jumlah dari nonconformity - C chart

• Jumlah rata-rata dari nonconformity per unit - U chart

Data Nonconformity lebih informatif dibanding nonconforming,

karena biasanya terdapat beberapa jenis cacat yang berbeda

dari nonconformity





Kapan Attribute Chart Digunakan?

Ketika dirasa cukup untuk memantau keluaran proses dengan menggunakan data attribute.

Ketika data attribute tersedia dan data variable sulit untuk didapatkan.





Kapan Attribute Chart Sebaiknya Tidak Digunakan

Jika tingkat kemunculan sangat rendah (nonconforming atau nonconformity), control limits yang didapatkan tidak akurat dan attribute chart akan hanya menunjukkan 0 (in control) dan data selain 0 yang keluar dari (out-of-control) .

Data variable sebaiknya digunakan dalam kasus ini untuk memantau masukan proses sebagai preventive action.

UCL

UCL

LCL

variable

chart

attribute

chart





Dasar Statistik Dari (P & NP) Charts

Prinsip statistik dibalik control chart ini adalah didasarkan pada binomial distribution. Binomial distribution membantu untuk menjawab pertanyaan umum sebagai berikut : “Didalam suatu himpunan sejumlah N item, setiap item diketahui sesuai dan tidak sesuainya dalam probability tertentu, berapa non-conforming yang dapat dihitung ?” Asumsi Binomial distribution: • probability kemunculan untuk setiap keluaran adalah konstan (conforming atau non-conforming) • probability (peluang) antar keluaran yang berturutan adalah konstan

E.g. Jika kegagalan muncul di keseluruhan lot, maka binomial distribution tidak berlaku.





P-Chart

Procedure for construction 1. Tetapkan ukuran subgroup, frekuensi dan jumlah dari subgroup. 2. Ukuran subgroup tidak konstan tetapi dengan catatan menjaga +/-25%

dari rata-rata dan dengan jumlah nonconforming paling sedikit 5. 3. Kumpulkan dan catat data. 4. Hitung setiap proporsi nonconforming dari setiap subgroup (p). 5. Hitung central line dan control limits 6. Tetapkan skala untuk control chart. 7. Plot central line, control limit dan proporsi ke dalam control chart dan

lakukan pengujian kestabilan Jika ukuran subgroup tidak konstan, control limit perlu dihitung untuk setiap subgroup.





Formula Attribute Control Chart

Note

m : Jumlah subgroup

n or ni : ukuran subgroup

Ni : Jumlah item non-

conforming untuk

group i.

Ci : Jumlah nonconfor-

mity untuk group i

Jika didapatkan untuk LCL bernilai

negatif (-), maka diset ke angka 0

1. P-chart

CL =

UCLi = LCLi =

m

i

i

m

i

i

n

N

p

1

1

inppp /)1(3

inppp /)1(3

3. U-chart

CL =

UCLi = LCLi =

m

i

i

m

i

i

n

C

U

1

1

inUU /3

inUU /3

m

Nm

i

i1

n

NNN 13

n

NNN 13

2. NP-chart

CL =

UCL = LCL =

m

Cm

i

i1

CC 3

4. C-chart

CL =

UCL = LCL = CC 3





NP-chart

Procedure for construction 1. Tetapkan ukuran subgroup, frekuensi dan jumlah subgroup : - ukuran subgroup harus konstan - setiap subgroup minimal terdapat 5 item nonconforming 2. Kumpulkan dan catat data : - Jumlah nonconforming N dicatat 3. Hitung central line dan control limits. 4. Tetapkan skala dalam control chart seperti pada p chart. 5. Gambarkan dalam control chart dan uji control limitnya (kestabilan).





Dasar Statistik dari (C & U) Charts

Prinsip statistik dibalik control chart ini adalah didasarkan pada poisson distribution. Poisson distribution : “dimana terdapat banyak peluang yang sama untuk kemunculan dari suatu kejadian tetapi hanya sedikit kemunculan dari suatu kejadian pada suatu masa dalam waktu atau lokasi tertentu” eg. Jumlah cacat pada hasil tenunan dalam 1000 m2 kain Gelembung udara di dalam botol gelas Jumlah kerusakan paku keling pada pesawat terbang Kesalahan ketik dalam suatu halaman





C-Chart

Prosedur pembuatan 1. Tetapkan ukuran subgroup, frekuensi dan jumlah subgroup. - Ukuran subgroup harus sama 2. Kumpulkan dan catat data. - Jumlah nonconformities (c) tiap subgroup dicatat 3. Hitung central limit dan control limit. 4. Pilih skala untuk control chart. 5. Plot c, central line dan control limitnya ke dalam chart dan uji kestabilannya.





U-Chart

Procedure for construction 1. Tetapkan ukuran subgroup, frekuensi dan jumlah subgroup - Ukuran subgroup bervariasi dengan menjaga +/- 25 % dari rata-rata ukuran subgroupnya 2. Kumpulkan dan catat datanya - catat U (jumlah nonconformity per group inspeksi) 3. Hitung central line dan control limit 4. Pilih skala untuk control chartnya sama seperti pada p chart 5. Plot dan gambarkan pada chart, U, central line dan control limit dan uji kestabilannya





Attribute Control Chart

Exercise 4,5,6,7





P-Chart (Minitab)





P-Chart (Minitab)

Sample

Pro

po

rtio

n

252321191715131197531

0.05

0.04

0.03

0.02

0.01

0.00

_P=0.01369

UCL=0.02928

LCL=0

1

1

P Chart of No. of Non Conforming Item

Tests performed with unequal sample sizes





NP-Chart (Minitab)





NP-Chart (Minitab)

Sample

Sa

mp

le C

ou

nt

252321191715131197531

70

60

50

40

30

20

__NP=45.88

UCL=65.93

LCL=25.831

1

NP Chart of Defective Unit





C-Chart (Minitab)





C-Chart (Minitab)

Sample

Sa

mp

le C

ou

nt

252219161310741

9

8

7

6

5

4

3

2

1

0

_C=2.962

UCL=8.124

LCL=0

C Chart of No. of Defect





U-Chart (Minitab)





U-Chart (Minitab)

Sample

Sa

mp

le C

ou

nt

Pe

r U

nit

252219161310741

1.2

1.0

0.8

0.6

0.4

0.2

0.0

_U=0.324

UCL=0.764

LCL=0

U Chart of No. of Defect

Tests performed with unequal sample sizes




Process Capability

Analysis 8





Definisi Analisis Process Capability

Analisis variasi proses terhadap persyaratan produk atau spesifikasi. Dapat diterapkan terhadap input/in-process/output dari suatu karakteristik mutu pada suatu proses. Menyediakan suatu indeks untuk menilai kemampuan proses (process capability) dalam pemenuhan persyaratan yang ditetapkan oleh pelanggan atau persyaratan design. Berlaku untuk data variable. Satu indeks untuk satu variable karakteristik. (Untuk data attribute, dapat dilakukan dengan melihat defect ratenya secara langsung)





Apa yang menentukan Process Capability

• Spesifikasi

• Sebaran proses atau variasi proses

• Lokasi proses

• Asumsi proses stabil

• Asumsi proses terdistribusi secara

normal





Index Process Capability

Index dari Process Capability dinyatakan dengan :

Cp : Mengukur sebaran (variability) proses terhadap spesifikasi

Cpk :Mengukur sebaran (variability) proses terhadap spesifikasi, dan termasuk mempertimbangkan pergeseran pusat/rata-rata/lokasi

Formula untuk Cp / Cpk

Cp: Cpk: Spec

2 sisi min ( , )

1 sisi Tdk terdefinisi Cpu or Cpl

(USL - LSL) Cp = 6σ

(μ - LSL)

Cpl = 3σ

(USL – μ )

Cpμ = 3σ





Prosedur untuk mengakses Process Capability Analysis (Cp, Cpk)

1. Identifikasi karakteristik penting dan kumpulkan data 2. Plot control chart dan tetapkan control limitnya 3. Pastikan Kestabilannya (STABILITY) 4. Pastikan kenormalannya (NORMALITY) 5. Estimasi standard deviation populasi dengan menggunakan

or 6. Hitung Cp/ Cpk 7. Perbaiki Process Capability jika tidak terpenuhi 8. Analisa proses yang telah diperbaiki 9. Pantau secara terus menerus melalui SPC

σ =s / c4 σ =R / d2





Index Process Performance

Kumpulan index yang lainnya yang dianjurkan oleh industri otomotif USA adalah Pp dan Ppk :

Formulanya sama dengan Cp dan Cpk, dengan catatan digantikan dengan s = Dimana Xi adalah pengukuran individu.

n

Σ (Xi – X)2 i=1

n - 1





Targets for Process Capability Indices

Diharapkan Index process capability semakin tinggi. Berikut standart yang telah disepakati di kalangan industri index Jelek baik memuaskan Pp < 1.33 1.67 -- Ppk < 1.33 1.5 -- Cp < 1 1.5 2 Cpk < 1 1.33 1.5 (digunakan sebagai guidance) Terdapat kemungkinan harapan dari pelanggan lebih dari standard yang ada diatas Semangat dari perbaikan berkelanjutan berarti bahwa sepanjang waktu semua target akan ditingkatkan untuk meningkatkan kepuasan pelanggan.





Six Sigma Capability

Di tahun 1980-an Motorola memperkenalkan tantangan process capability six sigma terhadap semua karyawannya untuk memperbaiki mutu produk dan jasa. Apakah process capability six sigma tersebut ? Sigma defect duration of power no. of level per million outage / month misspelled words 1 317400 228.5 hrs 159 per page 2 45600 32.8 hrs 23 per page 3 2700 1.94 hrs 1.35 per page 4 63 2.72 minutes 1 per 31 pages 5 0.57 1.48 seconds 1 per several book 6 0.002 0.005 seconds 1 per small library 7 (2.6 X 10

-12) 0.00001 seconds 1 per large library

Asumsi : total 720 jam yang digunakan per bulan; 500 kata per halaman





Six Sigma Capability vs. Cp, Cpk

Sigma centered process 1.5 s shifted process level Cp ppm Cpk ppm 3 1 2700 0.5 66803 4 1.33 63 .833 6200 5 1.67 .57 1.167 233 6 2 .002 1.5 3.4





Exercise

Hitung Cp,Cpk untuk setiap proses dibawah

7 13 10

1

7 13 10

2

7 13 10

0.5

9

7 13 10

1

9

a)

b)

c)

d)





Modal Answer – Exercise Capability Analysis I

I. a) Cp = 13 - 7

6 * 2 = 0.5

Cpk = min [ 13 - 10

3 * 2

, 10 - 7

3 * 2 ]

= min [ 0.5 , 0.5 ] = 0.5

I. b) Cp = 13 - 7

6 * 1 = 1.0

Cpk = min [ 13 - 10

3 * 1

, 10 - 7

3 * 1 ]

= min [ 1.0 , 1.0 ] = 1.0

I. c) Cp = 13 - 7

6 * 1 = 1.0

Cpk = min [ 13 - 9

3 * 1

, 9 - 7

3 * 1 ]

= min [ 1.33 , 0.67 ] = 0.67

I. d) Cp = 13 - 7

6 * 0.5 = 2.0

Cpk = min [ 13 - 9

3 * 0.5

, 9 - 7

3 * 0.5 ]

= min [ 2.0 , 1.33 ] = 1.33





Exercise

• Data : Tegangan Listrik (volt). • Spesifikasi 24 – 50 volt.

• Hitung Cp,Cpk

X1 X2 X3 X4 X5

1 36 35 34 33 32

2 31 31 34 32 30

3 30 30 32 30 32

4 32 33 33 32 35

5 32 34 37 37 35

6 32 32 31 33 33

7 33 33 36 32 31

8 23 33 36 35 36

9 43 36 24 24 31

10 36 35 36 41 41

11 34 38 35 34 38

12 36 38 39 39 40

13 36 40 35 26 33

14 36 35 37 34 33

15 30 37 33 34 35

16 28 31 33 33 33

17 33 30 34 33 35

18 27 28 29 27 30

19 35 36 29 27 32

20 33 35 35 39 36

MeasurementSub Group





Modal Answer – Exercise Capability Analysis I

X1 X2 X3 X4 X5

1 36 35 34 33 32 34.00 4.00

2 31 31 34 32 30 31.60 4.00

3 30 30 32 30 32 30.80 2.00

4 32 33 33 32 35 33.00 3.00

5 32 34 37 37 35 35.00 5.00

6 32 32 31 33 33 32.20 2.00

7 33 33 36 32 31 33.00 5.00

8 23 33 36 35 36 32.60 13.00

9 43 36 24 24 31 31.60 19.00

10 36 35 36 41 41 37.80 6.00

11 34 38 35 34 38 35.80 4.00

12 36 38 39 39 40 38.40 4.00

13 36 40 35 26 33 34.00 14.00

14 36 35 37 34 33 35.00 4.00

15 30 37 33 34 35 33.80 7.00

16 28 31 33 33 33 31.60 5.00

17 33 30 34 33 35 33.00 5.00

18 27 28 29 27 30 28.20 3.00

19 35 36 29 27 32 31.80 9.00

20 33 35 35 39 36 35.60 6.00

MeasurementSub Group X R

1. Calculate the standard deviation

Average 33.44 6.20

= 6.2 / 2.326 = 2.62

2. Calculate Cp

Cp = (50-24)/(6*2.62)

= 1.65

3. Calculate Cpk

C LSL

pl

( ) m

3

C USL

pu ( ) m

3

Cpk = Min [Cpu, Cpl] = 1.20

= 2.10

R d / 2

C USL LSL

p

( )

6

= 1.20





Long Term dan Short Term Process Variability

Kamis

Jumat

Senin

Selasa

Rabu

Satu Minggu

(Kumulatif 5 hari)





Short term sample frame

• Data dikumpulkan dalam kurun waktu yang pendek Contoh :

- Dalam satu shift produksi

- Dalam 1 batch penggunaan material

- Dari satu mesin

Long term sample frame

• Data dikumpulkan dalam kurun waktu yang cukup panjang dimana peluang hadirnya special cause adalah sangat mungkin

Contoh :

- Dalam beberapa shift produksi

- Dalam banyak batch penggunaan material

- Dari banyak mesin

Long term process variability mewakili performance aktual dari proses.





Short Term Process Capability Ratio

Long Term Process Performance Ratio

Dimana c4 adalah konstanta dimana nilainya tergantung dari sample size, n.

sLT

2

1

n

x x i c4

Beberapa metode dapat digunakan untuk

menghitung SST dalam Minitab :

- Pooled Std Dev;

- Rbar;

- Sbar;

- Ave moving range;

- Median moving range.

sST

LSL USL C p 6

sST

LSL X

sST

X USL min pk

3 ,

3 C

sLT

LSL USL P p 6

sLT

LSL X

sLT

X USL min pk

3 ,

3 P





Contoh

Catatan:

Ada 7 subgroupsdan

setiap subgroup berisi 4

data.

5.33 5.35 5.40 5.42 7

5.49 5.45 5.42 5.47 6

5.49 5.45 5.41 5.47 5

5.46 5.42 5.38 5.38 4

5.46 5.39 5.45 5.42 3

5.51 5.49 5.43 5.48 2

5.46 5.37 5.42 5.44 1

X4 X3 X2 X1 Lot





Capability Analysis - Minitab

Minitab

C:/Documents and Settings/acer valued customer/Local Settings/Temp/Data File/KG-Sec11 Process Capability.MTW





Metode untuk meng-estimasi

variability within subgroup

manakala subgroup size lebih

dari 1. Defaultnya adalah

pooled standard deviation





Didapat dari

within

subgroup

variability

Didapat dari

standard

deviation

dari the data




Analisa Masalah

dan Tindakan

Perbaikan

9





Langkah Kegiatan Tools

1 Menemukan persoalan/Thema Check List , Histogram, Grafik , Diagram Pareto

2 Menemukan sebab dari persoalan Stratifikasi , Logic Tree , Sebab akibat atau 5

Why’s

3 Mempelajari faktor-faktor apakah yang paling berpengaruh

Diagram Pencar (Scatter Diagram) atau Diagram Pareto

4 Merencanakan penanggulangan

5 Melaksanakan Penanggulangan

6 Memeriksa Hasil Grafik / Control Chart

7 Standarisasi

8 Rencana berikutnya

Langkah langkah untuk peningkatan serta Tools yang

digunakan





Reporting

Theme :

Judul : Dept : Hari/Tgl : PIC:

Alasan pemilihan thema:

Rencana kegiatan:

Analisa Masalah :

Tindakan Perbaikan:

Hasil Perbaikan:

Standarisasi:





Reporting

Statistical Process Control (SPC) Global Partner for Business Success Global Partner for Business...

Documents

Transcript of Statistical Process Control (SPC) Global Partner for Business Success Global Partner for Business...