LAPORAN PRAKTIKUMPENJAMINAN DAN PENGENDALIAN KUALITASDiajukan sebagai syarat kelulusan
Mata Kuliah Penjaminan dan Pengendalian Kualitas
Disusun Oleh:
KELOMPOK 04PROGRAM STUDI TEKNIK INDSUTRI
FAKULTAS TEKNIK
UNIVERSITAS MERCU BUANA
2014LEMBAR PENGESAHAN
Laporan Praktikum Penjaminan dan Pengendalian KualitasKELOMPOK VI : Telah disetujui dan diterima sebagai syarat kelulusan mata kuliah
Penjaminan dan Pengendalian KualitasMengetahui
Asisten Laboratorium Penjaminan dan Pengendalian Kualitas
Asisten 1
Asisten 2
Hesti
Nova
Tanggal Pengumpulan : 28 Desember 2014KATA PENGANTAR
Puji syukur tim penyusun panjatkan kepada Tuhan Yang Maha Esa yang telah memberikan Rahmat serta Karunia-Nya, sehingga tim penyusun dapat menyelesaikan laporan ini tepat pada waktunya.
Studi kasus ini disusun untuk diajukan sebagai pelengkap tugas Pengendalian dan Penjaminan Kualitas di Universitas Mercu Buana Jurusan Teknik Industri.
Terima kasih juga penulis sampaikan kepada Dosen Pengendalian dan Penjaminan Kualitas kami yang telah membimbing dan mangarahkan kami demi lancarnya makalah ini. Dan tidak lupa Kakak-Kakak Asisten Dosen yang membimbing pada saat pratikum berlangsung.Demikianlah studi kasus ini disusun semoga bermanfaat dan dapat melengkapi tugas Pengendalian dan Penjaminan Kualitas Kami.Jakarta, 28 Desember 2014Tim PenyusunDAFTAR ISI2LEMBAR PENGESAHAN
3KATA PENGANTAR
4DAFTAR ISI
7MODUL 1 SPC 7 TOOLS
8BAB I PENDAHULUAN
81.1 Tujuan Praktikum
81.2 Manfaat Praktikum
81.3 Rumusan Masalah
81.4 Sistematika Penyusunan Laporan
9BAB II TINJAUAN PUSTAKA
92.1 Pengendalian Proses Statistik (Statistical Process Control)
18BAB III PENGUMPULAN DAN PENGOLAHAN DATA
183.1 Flow Chrt Poses di Bank
193.2 Diagram Pareto Kerusakan Produk
203.3 Histogram Tinggi Badan 40 Mahasiswa Mercubuana
22BAB IV ANALISA DATA
224.1 Analisa Flow Chart Bank
224.2 Analisa Diagram Pareto Kerusakan Produk
234.3 Analisa Diagram Histogram Tinggi Badan 40 Mahasiwa Mercubuana
24BAB V KESIMPULAN DAN SARAN
245.1 Kesimpulan
255.2 Saran
26MODUL 2 PETA KENDALI
27BAB I PENDAHULUAN
271.1Tujuan Praktikum
271.2 Manfaat Praktikum
271.3 Rumusan Masalah
271.4 Sistematika Penyusunan Laporan
28BAB II LANDASAN TEORI
282.1 Teori Singkat
292.2 Penggunaan Peta Pengendalian Data Variabel
292.2.1 Peta Kendali X-bar dan R
332.3 Penggunaan Peta Pengendaliaan Data Atribut
332.3.1 Peta Kendali P dan NP
352.3.2 Peta Kendali C
37BAB III PENGOLAHAN DATA
373.1 Peta Pengendalian Data Variabel (Peta X-bar dan R)
413.2 Peta Pengendalian Data Atribut (Peta P)
433.3 Peta Pengendalian Data Atribut (Peta NP)
453.4 Peta Pengendalian Data Atribut (Peta C)
47BAB IV ANALISA DATA
474.1 Analisa Peta Pengendalian Variabel (Peta X-bar dan R)
474.2 Analisa Peta Pengendalian Attribute (Peta P)
474.3 Analisa Peta Pengendalian Attribute (Peta NP)
474.4 Analisa Peta Pengendalian Attribute (Peta C)
48MODUL 3 PROCCES CAPABILITY
49BAB I PENDAHULUAN
491.1 Tujuan Praktikum
491.2 Manfaat Praktikum
491.3 Rumusan Masalah
491.4 Sistematika Penyusunan Laporan
50BAB II LANDASAN TEORI
512.1 Cara membuat analisis kemampuan proses
522.2 Langkah-langkah menghitung process capability
55BAB III PENGOLAHAN DATA
58BAB IVANALISA DATA
584.1 Analisa Kapabilitas Proses
58BAB V KESIMPULAN
585.1 Kesimpulan
585.2 Saran
59MODUL 4 PROSES PERBAIKAN (IMPROVEMENT)
60BAB I PENDAHULUAN
601.2 Tujuan Praktikum
601.3 Manfaat Praktikum
601.4 Rumusan Masalah
601.5 Sistematika Penyusunan Laporan
61BAB II LANDASAN TEORI
612.1 Analisis Varian (ANOVA)
632.2 Anova Dua Arah
652.3 Desain Eksperimen Faktorial
69BAB III PENGOLAHAN DATA
693.1 Tugas Praktikum
74BAB IV ANALISA DATA
744.1 Analisa
75BAB V KESIMPULAN
755.1 Kesimpulan
755.2 Saran
76DAFTAR PUSTAKA
77LAMPIRAN
MODUL 1 PETA KENDALI
BAB I PENDAHULUAN
1.1 Tujuan Praktikum Tujuan dari praktikum ini yaitu diharapkan para mahasiswa mampu mengetahui macam-macam atau jenis-jenis peta pengendalian, mampu membuat peta kendali ( Control Chart ) baik secara manual maupun dengan menggunakan MINITAB. 1.2 Manfaat Praktikum
Manfaat dari praktikum ini yaitu mahasiswa memehami cara menganalisa sumber atau penyebab timbulnya variasi sumber atau penyebab timbulnya variasi, dan memahami penggunaan peta penegndalian data variable.1.3 Rumusan Masalah
1. Apakah Peta Kendali itu ?2. Bagaimana penggunaa peta pengendalian data variabel ?3. Apa manfaat dari Peta Kendali ? 1.4 Sistematika Penyusunan Laporan
Bab I: Pendahuluan
1.1 latar belakang
1.2. maksud dan TujuanBab II: Landasan Teori
Mencakup seluruh teori ringkas, serta prisip yang saudara
gunakan untuk membah seluruh pembahasan dari modul yang
akan dibuat laporannya dan berkaitan erat dengan kegiayan
praktikum. Bab III
: Pengumpulan Data Berisikan seluruh bahan yang dikumpulkan saat praktikum Bab IV: Pengolahan danAnalisa data Mencakup seluruh pengolahan data dengan menggunakan
Hitungan manual/menggunakan rumu. Pada bab ini seluruh
praktikum dari awal hingga akhir praktikum ditampilkan
berikut cakupan analisanya. Bab V: Kesimpulan dan SaranMencakup hasil kesimpulan dari keseluruhan praktikum yang telah dilakukan
Lampiran
: Berupa pengolahan data yang menggunakan bantuan software
dilampirkan pada halaman lampiran.
Daftar Pustaka: Mencakup daftar referensi tambahan dari pengmbilan teori
diluar praktikum
BAB II LANDASAN TEORI
2.1 Teori Singkat
Pada dasarnya dikenal dua sumber atau penyebeb timbulnya variasi, yaitu variasi penyebab khusus dan variasi penyebab umum.1. Variasi Penyebab Khusus adalah kejadian-kejadian di luar system yang mempengaruhi variasi. Penyebab khusus dapat bersumber dari manusia, peralatan, material, metode kerja dan lain-lain. Dalam statistical dengan menggunakan peta kendali, jenis variasi ini sering ditandai dengan titk-titik yang melewati atau keluar dari batas-batas pengendalian (Out of Statistical Control).2. Variasi Penyebab Umum adalah factor-faktor di dalam system atau yang melekat pada proses yang memyebabkan timbulnya variasi. Penyebab ini biasanya disebut juga sebagai penyebab acak. Karena penyebab umum selalu melekat pada system, untuk menghilangkan kita bisa menelusuri elemen-elemen system itu dan hanya pihak manajemen yang dapat memperbaikinnya. Jenis variasi ini sering ditandai dengan titik-titik pengamatan yang berada pada batas-batas pengendalian ( In Statistical Control ).
Jenis jenis Peta Pengendalian :
1. Peta Pengendalian Data Variabel, merupakan data kualitatif yang dapat diukur untuk keperluan analisis. Contoh: Berat, Temperatur,Panjang,dll.
2. Peta Pengendalian Data Atribut, merupakan data kualitatif yang dapat dihitung untuk pencatatan dan analisis. Contoh: Banyaknnya cacat yang ditemukan, banyaknya ketidaksesuaian,dll.
2.2 Penggunaan Peta Pengendalian Data Variabel
2.2.1 Peta Kendali X-bar dan R
Peta kendali (rata-rata) dan R (selisih pengamatan atau range) biasa digunakan untuk memantau proses yang diukur berdasarkan data variabel. Peta kendali khusus untuk memantau perubahan suatu sebaran atau distribusi suatu variabel asal dalam hal lokasinnya (pemusatannya) sedangkan peta R khusus untuk memantau perubahan dalam hal penyebarannya.Menurut besterfield (1998) dalam melakukan pengendalian kualitas proses statistic untuk variabel diperlukan beberapa langkah yaitu :
1. Pemilihan Karakteristik kualitas.
Yang dimaksud karakteristik kualitas misalnya panjang, berat, diameter, waktu, dan sebagainnya.Karakteristik kualitas tersebut mempengaruhi kinerja produk dan harus mendapatkan perhatian. Pemilihan karakteristik kualitas tersebut dapat dilakukan dengan menggunakan analisis Pareto.
2. Pemilihan Sub Kelompok.
Data yang digambarkan dalam peta pengendalian bukan data individu, melainkan sekelompok data yang dipilih dan diberi nama dengan sub kelompok. Pemilihannya dilakukan secara acak. Idelannya, penyimpanan yang terjadi dalam sub kelompok ini disebabkan oleh sebab umum. Penyimpangan atau variasi dalam sub kelompok tersebut akan digunakan untuk menentukan peta pengendalian. Sementara itu, penyimpangan atau variasi anatara sub kelompok digunakan untuk evaluasi stabilitas jangka panjang. Ada pedoman singkat dalam pemilihan sub kelompok dari ANSI/ASQC ZI.9 1993, untuk inspeksi normal level 3 seperti pada Tabel 1 tersebut, misalnnya proses diharapkan akan mampu menghasilkan 4000 unit per hari, Maka 75 inspeksi total dibutuhkan. Oleh karenannaya sebagai hak awal yang baik.
Tabel 1 Ukuran sample Menurut ANSI/ ASQC Z1.9 1993
Inspeksi Normal, Level 3
Banyaknya Produk
Yang dihasilkan (unit)Ukuran Sample
91 -1510
151 28015
281 40020
401 50025
501 120035
1201 320050
3201 1000075
10001 35000100
35001 150000150
Sumber : Besterfield,19983. Pengumpulan Data
Pengumpulan data didasarkan pada banyaknnya sub kelompok dan ukuran masing-masing sub kelompok yang telah ditentukan sebelumnya. Rata-rata pada masing masing sub kelompok tersebut nantinya akan di petakan pada peta pengendalian kualitas proses untuk data variabel. Apabila dugunakan peta pengendalian tingkat keakurasiannya proses (range atau standar deviasi), maka range atau standar deviasi tersebut juga diukur pada tiap-tiap sub kelompok tersebut.
4. Penentuan Garis Pusat (Center Line) dan batas-batas pengendalian (Control Limit). Garis pusat untuk mean dan range dicapai dengan perhitungan :
= = rata-rata pengukuran untuk setiap kali observasi
= = garis pusat untuk peta pengendali rata-rata
R = X max X min = range data sample pada setiap kali observasi
=
= garis pusat untuk peta pengendali range
Dimana :
n = banyaknnya sample dalam tiap observasi atau sub kelompok
g = banyaknya observasi yang dilakukan
Ri = range untuk setiap sub kelompok
Xi = data pada sub kelompok atau sample yang diambil
Xi = rata-rata pada setiap sub kelompok
Menurut konsepnya, batas pengendali 3 untuk peta pengendali rata-rata (mean chart) adalah :
X 3 X, dimana
=
Batas-batas peta pengendali untuk pengendali rata-rata (-chart) adalah:
CL=
UCL = + A2. R bar
LCL= - A2. R barBatas batas peta pengendali untuk range (R )adalah :
CL=
UCL R = . D4
LCL R = . D3
5. Penyusunan revisi terhadap garis pusat dan batas batas pengendalian.
Peta pengendalian kualitas proses untuk data variabel dibuat untuk dapat mengetahui adannya sebab khusus yang ada dalam ketidaksesuaian proses. Biasannya, ketidaksesuaiaan tersebut ditunjukkan dengan adannya data yang berada diluar batas pengendali statistic (in statistical control). Sementara kondisi yang berada dalam batas pengendalian statistic (in statistical control) juga dapat menunjukan ketidaksesuaian proses, tetapi disebabkan oleh sebab umum. Idealnya, baik data rata-rata proses maupun keakurasian proses berada pada garis pusat (center line). Namun, apabila kondisi data berada diluar batas pegendali statistic sedangkan penyebab ketidaksesuian dikarenakan oleh sebab umum, maka data tersebut dikatakan sebagai berada dalam pengendali statistic (in statistical control).
6. Interprestasi Terhadap Pencapaian Tujuan
Peta pengendali yang harus diperkenalkan pada semua karyawan bertujuan untuk mengadakan perbaaikan pada kinerja proses. Hal ini dapat dilihat bahwa pada setiap data yang berada di luar batas-batas pengendali statistic pasti akan disusun tindakan perbaikan atau perbaikan tidak mungkin dilakukan, maka data tersebut akan dibuang. Data yang dibuang tersebut juga berarti bahwa produk yang dihasilkan pada proses tersebut harus dibuang dengan segala konsekwensinnya. Peta pengendali hasil refisi tanpa data yang out of statistic control merupakan data yang lebih baik, karena dalam proses tersebut walaupun terjadi ketidaksesuaian atau penyimpangan pasti bukan disebabkan oleh sebab khusus, melainkan oleh sebab umum. Selain itu,setelah disusunya peta pengendali kualitas proses statistic untuk data variabel (Control Chart for Variabel ), maka dapat diketahui penyebeb terjadinya kesalahan atau penyimpanan, baik tergolong dalam khusus maupun dalam sebab umum. Kondisi yang ideal memang yang berada di sepanjang garis pusat (Center Line). Hal ini dapat terjadi dengan melakukan revisi berulang pada data yang ada.
2.3 Penggunaan Peta Pengendaliaan Data Atribut
2.3.1 Peta Kendali P dan NP Pengendaliaan proporsi kesalahan ( p chart) dan banyaknya kesalahan (np chart) digunakan untuk mengetahui apakah cacat produk yang dihasilkan masih dalam batas yang disyaratkan. Untuk peta pengendali proporsi dan banyak digunakan bila kita memakai ukuran cacat berupa proporsi produk cacat dalam setiap sample yang diambil. Bila sample yang diambil untuk setiap kali melakukan observasi jumlahnya sama maka kita dapat menggunakan peta pengendali proporsi kesalahan ( p chart ) maupun banyaknnya kesalahan ( np chart ).Namun bila sample yang diambil bervariasi untuk setiap kali melakukan observasi berubah-ubah jumlahnya atau memang perusahaan tersebut akan melakukan 100% inspeksi maka kita harus menggunkan peta pengendali proporsi kesalahan (p-chart). Pengguna sample yang besarnya bervariasi tersebut selain perusahaan menggunkan 100% inspeksi atau inspeksi total, juga dapat disebabkan karena kurangnya karyawan dan biaya. Perubahan dalam banyaknnya sample yang diambil atau ukuran sub kelompok tersebut menyebabkan perubahan dalam batas-batas pengendali, meskipun garis pusatnnya tetap. Apabila ukuran sample atau sub kelompok yang digunakan pada setiap kali observasi naik atau lebih banyak, maka batas-batas pengendali menjadi lebih rendah . Namun apabila banyaknnya sample atau sub kelompok yang digunakan pada setiap kali observasi turun atau berkurang, maka batas-batas pengendali menjadi lebig tinggi atau meningkat. Kondisi ini dapat mempengaruhi karakteristik kualitas proses prosuksi yang dimilik perusahaan. Hal inilah yang merupakan kelemahan dalam pegendalian kualitas proses statistic untuk data atribut. Selanjutnnya, formulasi yang digunakan untuk menyelesaikan kasus pengendali kualitas proses statistic untuk data atribut sesuai dengan langka-langkah diatas adalah: Untuk banyaknnya sample Konstan Mengetahui proporsi kesalahan atau cacat pada sample atau sub kelompok untuk setiap kali melakukan observasi: P = X/N Dimana: p = Proporsi kesalahan dalam setiap sample
x = Banyaknnya produk yang salah dalam setiap sample
n = Banyaknnya sample yang diambil dalam inspeksi
Garis pusat (Center Line) peta pengendali proporsi kesalahan ini adalah :
CL = = Dimana :
P= Garis pusat peta pengendali proporsi kesalahan
Pi = Proporsi kesalahan setipa sample atau sub kelompok dalam setiap observasi
n = Banyaknya sample yang diambil setiap kali observasi
g = Banykannya observasi yang dilakukan
Sedangkan Batas Pengendali Atas ( BPA ) dan Batas Pengendali Bawah ( BPB ) untuk peta pengendali proporsi kesalahan (p-chart) tersebut adalah:
CL= P bar
UCL= P bar + 3.Sp
LCL= P bar 3.Sp
S p = atau
S p= Apabila banyaknnya sample atau sub group kelompok yang diambil setiap kali observasi sama, maka dapat digunakan pula peta pengendali banyaknnya kesalahan (np-chart) tersebut adalah :
Oleh karenanya, Batas Pengendali Atas (BPA) dan Batas Pengendali Bawahnya (BPB) menjadi :
UCL Np= Np bar + 3. S Np
LCL Np= Np bar - 3. S Np
S Np
= 2.3.2 Peta Kendali C
Peta kendali p dan np berkaitan dengan istilah unit atau produk yang cacat (defective product). Berbeda dengan peta kendali C dan U. Ukuran jumlah kecacatan terdapat dalam suatu produk juga menentukan kualitas dari produk. Peta kendali C digunakan untuk memantau jumlah cacat yang timbul dari produk yang dihasilkan, bukan jumlah produk yang cacat. Sebagai contoh kita akan mengamati cacat pada pembuatan baju seragam sekolah, cacat didefinisikan dengan jumlah kancing kurang, jahitan lepas san lain-lain. Dalam hal ini peta Kendali C digunakan untuk mengetahui jumlah cacat-cacat tersebut dalam 1 baju seragam. Jadi, jika ada 10 cacat atau hanya 1 cacat, cacat ini didefinisikan sebagai jumlah cacat dalam 1 produk tersebut sebanyak 10 atau hanya 1. Bukan 10 produk baju seragam cacat, untuk peta kendali C satuan yang digunkan selalu sama, misalnnya per satuan unit atau per hari dan lain-lain.Langkah-langkah pembuatan peta Kendali C :
1. Kumpulkan k = banyaknnya subgroup yang akan diinspeksi
2. Hitung jumlah cacat setiap subgroup C
3. Hitung rata-rata jumlah cacat , ini juga merupakan garis pusat (Center Line )
= 4. Hitung Batas Kendali Peta Kendali C :
CL= C bar
UCL= C bar + 3 Sc
LCL= C bar 3 Sc
Sc= 5. Plot data jumlah cacat dari setiap subgroup yang diperiksa.
BAB III PENGOLAHAN DATA3.1 Peta Pengendalian Data Variabel (Peta X-bar dan R)
Dua buah silinder besi dihaluskan untuk mencapai suatu ukuran tertentu untuk dipakai sebagai tiang penyangga. Ukuran awal diameternnya 30,02 mm dihaluskan untuk menghasilkan tiang penyangga jug hanger yang berdiameter setelah dihaluskan yang diukur menggunkan micrometer dari 10 sample dengan pengukurannya sebanyak 5 kali (sample pada tiang penyangga sebelah kiri), berikut Tabel pengukuran pada sample :
NO. SAMPLEDIAMETER 5 KALI PENGUKURAN ( n ) --> mm
12345
124,9828,03 25,01 25,00 26,05
224,9227,02 24,97 21,88 26,05
326,0524,98 24,00 28,03 24,98
423,0225,00 25,01 24,97 27,02
527,0225,01 25,01 26,05 25,00
628,0128,03 28,03 25,01 26,05
728,0324,97 23,95 27,08 22,87
824,9727,02 24,98 24,97 26,05
922,5024,98 27,02 28,03 25,01
1024,9225,01 28,03 25,01 24,97
Dengan demikian untuk pengolahan datanya sbb;
NO. SAMPLEDIAMETER 5 KALI PENGUKURAN ( n ) --> mm PETA X PETA R
12345X X Bar RLCLCL UCLLCLCL UCL
124,9828,03 25,01 25,00 26,05 129,0725,8143,0523,4725,6127,7503,717,85
224,9227,02 24,97 21,88 26,05 124,8424,9685,1423,4725,6127,7503,717,85
326,0524,98 24,00 28,03 24,98 128,0425,6084,0323,4725,6127,7503,717,85
423,0225,00 25,01 24,97 27,02 125,0225,0044,0023,4725,6127,7503,717,85
527,0225,01 25,01 26,05 25,00 128,0925,6182,0223,4725,6127,7503,717,85
628,0128,03 28,03 25,01 26,05 135,1327,0263,0223,4725,6127,7503,717,85
728,0324,97 23,95 27,08 22,87 126,925,385,1623,4725,6127,7503,717,85
824,9727,02 24,98 24,97 26,05 127,9925,5982,0523,4725,6127,7503,717,85
922,5024,98 27,02 28,03 25,01 127,5425,5085,5323,4725,6127,7503,717,85
1024,9225,01 28,03 25,01 24,97 127,9425,5883,1123,4725,6127,7503,717,85
JUMLAH 1280,56256,1137,11
Pengujian Data
1. X bar = 2. Observasi dilakukan selama 5 kali sehingga ,
A2 = 0,577
D3 = 0
D4= 2,114
D2= 2,326
Rbar ( ) = = 3,711S = = Sehingga untuk grafik Peta Xbar dan R sbb ;
3.2 Peta Pengendalian Data Atribut (Peta P)
OBSERVASI UKURAN SAMPLE BANYAKNNYA PRODUK CACAT P ( Proporsi Cacat )LCLCL UCL
1100100,10,0240,1220,220
2100110,110,0240,1220,220
310090,090,0240,1220,220
4100160,160,0240,1220,220
5100150,150,0240,1220,220
6100140,140,0240,1220,220
7100130,130,0240,1220,220
8100120,120,0240,1220,220
9100100,10,0240,1220,220
10100120,120,0240,1220,220
11100140,140,0240,1220,220
12100160,160,0240,1220,220
13100120,120,0240,1220,220
14100130,130,0240,1220,220
15100140,140,0240,1220,220
1610090,090,0240,1220,220
17100100,10,0240,1220,220
18100130,130,0240,1220,220
19100120,120,0240,1220,220
20100100,10,0240,1220,220
2110090,090,0240,1220,220
22100100,10,0240,1220,220
23100120,120,0240,1220,220
24100140,140,0240,1220,220
25100150,150,0240,1220,220
JUMLAH 25003053,05
Sp = = = 0,0327286
3.3 Peta Pengendalian Data Atribut (Peta NP)
OBSERVASI UKURAN SAMPLE BANYAKNNYA PRODUK CACAT P
(Proporsi Cacat )LCLCL UCL
1100100,12,3812,2022,02
2100110,112,3812,2022,02
310090,092,3812,2022,02
4100160,162,3812,2022,02
5100150,152,3812,2022,02
6100140,142,3812,2022,02
7100130,132,3812,2022,02
8100120,122,3812,2022,02
9100100,12,3812,2022,02
10100120,122,3812,2022,02
11100140,142,3812,2022,02
12100160,162,3812,2022,02
13100120,122,3812,2022,02
14100130,132,3812,2022,02
15100140,142,3812,2022,02
1610090,092,3812,2022,02
17100100,12,3812,2022,02
18100130,132,3812,2022,02
19100120,122,3812,2022,02
20100100,12,3812,2022,02
2110090,092,3812,2022,02
22100100,12,3812,2022,02
23100120,122,3812,2022,02
24100140,142,3812,2022,02
25100150,152,3812,2022,02
JUMLAH 25003053,05
S Np = = = 3,272858078
3.4 Peta Pengendalian Data Atribut (Peta C)
a) Pengumpulan Data
Penelitian dilakukan selama 20 hari untuk menemukan jumlah jenis cacat. Pada penelitian ini didapatkan jenis-jenis cacat rusak, berlubang,kotor, dan sebagainnya. Berikut Tabel jenis cacat yang rusak ;
HARI CACAT ( Reject )LCLCL UCL
120,0002,3506,949
2202,3506,949
3002,3506,949
4102,3506,949
5102,3506,949
6202,3506,949
7402,3506,949
8002,3506,949
9302,3506,949
10202,3506,949
11202,3506,949
12402,3506,949
13502,3506,949
14302,3506,949
15102,3506,949
16102,3506,949
17502,3506,949
18402,3506,949
19302,3506,949
20202,3506,949
JUMLAH 47
S c = = = 1,53297097
BAB IV ANALISA DATA
4.1 Analisa Peta Pengendalian Variabel (Peta X-bar dan R)
Dari hasil pengolahan data pada peta X-bar dan R di atas didapatkan hasil dimana semua variabel pengukuran tidak melewati dari batas control (UCL/LCL). Jadi dapat kita katakan bahwa dari 10 sampel tersebut semua lolos uji kualitas dan perbaikan tidak perlu dilakukan.
4.2 Analisa Peta Pengendalian Attribute (Peta P)
Dari hasil pengolahan data dimana banyak observasi yang dilakukan yaitu sebanyak 25 buah dengan jumlah sampel 100 di setiap observasi, dapat kita lihat bahwa banyak produk cacat dari setiap observasi masih masuk ke dalam batas kendali atas dan batas kendali bawah, sehingga perbaikan tidak perlu dilakukan.
4.3 Analisa Peta Pengendalian Attribute (Peta NP)
Dengan menggunakan data yang sama yaitu observasi dilakukan sebanyak 25 kali dengan jumlah sample 100 pada setiap observasi, didapatkan data dimana masih berada di dalam batas kendali atas dan bawah, sehingga perbaikan tidak perlu dilakukan.
4.4 Analisa Peta Pengendalian Attribute (Peta C)
Dari data penelitian yang dilakukan selama 20 hari, didapatkan data produk cacat tiap harinya, yang kemudian diolah sehingga mengetahui apakah data-data cacat tersebut masih berada dalam batas control.
MODUL 3 PROCCES CAPABILITY
BAB I PENDAHULUAN
1.1 Tujuan Praktikum
Tujuan dari praktimum ini yaitu diharapkan para mahasisiwa mampu menghitung nilai kemampuan suatu proses (Process Capability) baik secara manual maupun menggunakan MINITAB, mampu menilai kemampuan proses dengan kondisi yang ada untuk menghasilkan produk yang sesuai dengan spesifikasi kualitas yang diinginkan, juga dapat mengartikan analisis kemampuan proses sebagai pelajaran menaksir kemampuan proses. Mampu menganalisis kemampuan proses bagian dari keseluruhan program perbaikan kualitas.1.2 Manfaat Praktikum
Manfaat dari praktimkum ini yaitu mahasiswa menjadi paham dalam menghasilkan suatu produk/jasa yang sesuai dengan kebutuhan/syarat dari konsumen atau spesifikasi yang diharapkan, dan mampu memantau/memonitor proses yang sedang berjalan. 1.3 Rumusan Masalah
1. Apakah Procces Capability itu?2. Bagaimana cara mengolah data Proscces Capability?3. Apakah kegunaan dari data Procces Capability itu?1.4 Sistematika Penyusunan Laporan
Bab I: Pendahuluan
1.1 latar belakang
1.2. maksud dan Tujuan
Bab II: Landasan Teori
Mencakup seluruh teori ringkas, serta prisip yang saudara
gunakan untuk membah seluruh pembahasan dari modul yang
akan dibuat laporannya dan berkaitan erat dengan kegiayan
praktikum. Bab III
: Pengumpulan Data Berisikan seluruh bahan yang dikumpulkan saat praktikum Bab IV: Pengolahan danAnalisa data Mencakup seluruh pengolahan data dengan menggunakan
Hitungan manual/menggunakan rumu. Pada bab ini seluruh
praktikum dari awal hingga akhir praktikum ditampilkan
berikut cakupan analisanya. Bab V: Kesimpulan dan SaranMencakup hasil kesimpulan dari keseluruhan praktikum yang telah dilakukan
Lampiran
: Berupa pengolahan data yang menggunakan bantuan software
dilampirkan pada halaman lampiran.
Daftar Pustaka: Mencakup daftar referensi tambahan dari pengmbilan teori
diluar praktikum
BAB II LANDASAN TEORI
Analisis kemampuan proses merupakan suatu tahapan yang harus dilakukan dalam mengadakan pengendalian kualitas proses statistik (statistical process control). Statistical Process Control (SPC) dikenal pada berbagai organisasi sebagai bagian penting dalam Total Quality Management (TQM). Lebih dari itu, SPC merupakan cara berpikir mengenai perubahan pada proses yang sangat penting dalam perbaikan kualitas produk atau jasa yang tidak pernah berakhir. Yang terpenting dalam menerapkan SPC adalah memahami dan mengidentifikasi karakteristik produk yang paling penting bagi pelanggan, atau variabel-variabel proses yang mempunyai pengaruh paling kuat dalam variasi proses (Rungasamy et al.,2002).Situasi yang menjadi bahan pertimbangan adalah proses produksi berada dalam batas pengendalian {in control) tetapi produk yang dihasilkan tidak memenuhi spesifikasi atau proses produksi berada di luar batas pengendalian (out of control) tetapi produk yang dihasilkan justru memenuhi spesifikasi.Analisis kemampuan proses mendefinisikan kemampuan proses memenuhi spesifikasi atau mengukur kinerja proses. Analisis kemampuan proses juga merupakan prosedur yang digunakan untuk memprediksi kinerja jangka panjang yang berada dalam batas pengendali statistik.Sementara itu, dalam analisis kemampuan proses ada dua asumsi penting yang digunakan dalam membentuk analisis kemampuan proses dengan data kontinyu, yairu proses berada dalam batas pengendali statistik dan distribusi proses adalah distribusi normal (Bower 1997). Hal ini disebabkan apabila proses tidak berada dalam batas pengendali statistik, proses tidak dapat diperkirakan kemempuannya dari sudut pandang pelanggan. Selain itu, kemampuan proses juga diartikan sebagai variabilitas proses yang bukan disebabkan oleh sebab khusus (special cause atau assignable cause), tetapi karena sebab umum (common cause) (systma. 1997).Manfaat mempelajari analisis kemampuan proses antara lain: Dapat menciptakan output yang seragam Kualitas dapat dipertahankan atau bahkan ditingkatkan Membantu dalam membuat perancangan produk maupun proses Membantu dalam pemilihan pemasok yang memenuhi persyaratan Mengurangi biaya mutu total dengan memperkecil biaya kegagalan internal dan ekstemal Memperkirakan seberapa baik proses akan memenuhi toleransi Mengurangi variabilitas dalam proses produksi Membantu dalam pembentukan interval untuk pengendalian interval antara pengambilan sampel Merencanakan urutan proses produksi apabila ada pengaruh interaktif proses pada toleransi Menetapkan persyaratan penampilan bagi alat baru2.1 Cara membuat analisis kemampuan proses
Berikut cara membuat analisis kemampuan proses antara lain :1. Rasio kemampuan proses atau Indeks Kemampuan Proses. (Process Capability Ratio atau Capability Process Index / Cp).Apabila proses berada dalam batas pengendali statistik dengan peta pengendali proses statistik "normal" dan rata-rata proses terpusat pada target, maka rasio kemampuan proses atau indeks kemampuan proses dapat dihitung dengan:
Di mana:
USL= Upper specification limit-batas spesifikasi atas
LSL= Lower specification limit - batas spesifikasi bawah6s= enam simpangan bakuJika didapatkan hasil:
Cp > 1 proses masih baik {capable)
Cp < 1 proses tidak baik (not capable)
Cp = 1 proses = spesifikasi konsumen2. Index Kemampuan Proses Atas dan Kemampuan Proses Bawah {Upper and Lower Capability Index).3. Indeks Kemampuan proses CPKIndeks Kemampuan Proses di atas mengukur kemampuan potensial, dengan tidak memperhatikan kondisi rata-rata proses.Nilai Cpk mewakili kemampuan sesungguhnya dari suatu proses dengan parameter nilai tertentuIndeksBanyaknya produk yang berada
Kemampuandiluar kedua sisi batas-batas
proses (Cp)Spesifikasi
0,513,36%
0,674,55%
1,000,3%
1,3364ppm
1,631 ppm
2,000
2.2 Langkah-langkah menghitung process capability
Berikut langkah-langkah dalam menghitung proses capability :
1. Tentukan Upper dan Lower Specification Limit (USL dan LSL) dataBesar nilai USL dan LSL ditentukan sendiri oleh manajemen atau desainer demi menjaga kepentingan kualitas produksi barang atau jasa, biasanya ditentukan berdasarkan riset kebutuhan pada konsumen.
2. Hitung taksiran simpangan bakudari data
3. Hitung Process Capability atauKemampuan Proses
atau
Dimana :USL = Upper Specification limit = batas spesifikasi atas.
LSL = Lower Specification limit = batas spesifikasi bawah.
6s = enam simpangan baku.
Jika didapatkan hasil :Cp > 1 proses masih baik (capable)
CP < 1 proses tidak baik (not capable)
Cp = 1 proses = spesifikasi konsumen
Jadi :
Bila Cpk 1 Proses disebut baik (capable)Bila Cpk 1 Proses kurang baik (not capable)BAB III PENGOLAHAN DATA
Gunakan data perhitungan yang telah di buat pada P2, dengan soal peta X dan R. Dari acuan data tersebut sampel yang diambil sebanyak 10 dengan pengukuran dilakukan sebanyak 5 kali. Ditetapkan nilai spesifikasinya sebesar 29+1 mm. Maka hitunglah berapa besar CPK apakah baik atau tidak dan berapa besar banyaknya produk yang berada diluar kedua sisi batas spesifikasi, acuan menggunakan Tabel 1 diatas.. (hitung juga hasilnya dengan menggunakan minitab)
1. Data diameter 5 kali pengukuranNO. SAMPLEDIAMETER 5 KALI PENGUKURAN ( n ) --> mm
12345
124,9828,03 25,01 25,00 26,05
224,9227,02 24,97 21,88 26,05
326,0524,98 24,00 28,03 24,98
423,0225,00 25,01 24,97 27,02
527,0225,01 25,01 26,05 25,00
628,0128,03 28,03 25,01 26,05
728,0324,97 23,95 27,08 22,87
824,9727,02 24,98 24,97 26,05
922,5024,98 27,02 28,03 25,01
1024,9225,01 28,03 25,01 24,97
ari data 10 sample yang diambil, dengan dilakukan pengukuran sebanyak 5 kali. Ditetapkan nilai spesifikasi sebesar 29 1 mm.
2. Berikut data hasil perhitungan sehingga di dapatkan Peta sebagai berikut:
Peta X-Bar dan RNO. SAMPLEDIAMETER 5 KALI PENGUKURAN ( n ) --> mm PETA X PETA R
12345X X Bar RLCLCL UCLLCLCL UCL
124,9828,03 25,01 25,00 26,05 129,0725,8143,0523,4725,6127,7503,717,85
224,9227,02 24,97 21,88 26,05 124,8424,9685,1423,4725,6127,7503,717,85
326,0524,98 24,00 28,03 24,98 128,0425,6084,0323,4725,6127,7503,717,85
423,0225,00 25,01 24,97 27,02 125,0225,0044,0023,4725,6127,7503,717,85
527,0225,01 25,01 26,05 25,00 128,0925,6182,0223,4725,6127,7503,717,85
628,0128,03 28,03 25,01 26,05 135,1327,0263,0223,4725,6127,7503,717,85
728,0324,97 23,95 27,08 22,87 126,925,385,1623,4725,6127,7503,717,85
824,9727,02 24,98 24,97 26,05 127,9925,5982,0523,4725,6127,7503,717,85
922,5024,98 27,02 28,03 25,01 127,5425,5085,5323,4725,6127,7503,717,85
1024,9225,01 28,03 25,01 24,97 127,9425,5883,1123,4725,6127,7503,717,85
JUMLAH 1280,56256,1137,11
A20.577
D30
D42.114
D22.326
Rbar3.71
Xbar25.61
S1.595443
Dari data peta di atas kita dapat menghitung rasio kemampuan proses atau indeks kemampuan proses dengan rumus sebagai berikut :
=
Maka hasil analisa yang diperoleh adalah sebagai berikut :
CAPABILITAS PROSES
CP 0,447367 = (CP mm
12345
124,9828,03 25,01 25,00 26,05
224,9227,02 24,97 21,88 26,05
326,0524,98 24,00 28,03 24,98
423,0225,00 25,01 24,97 27,02
527,0225,01 25,01 26,05 25,00
628,0128,03 28,03 25,01 26,05
728,0324,97 23,95 27,08 22,87
824,9727,02 24,98 24,97 26,05
922,5024,98 27,02 28,03 25,01
1024,9225,01 28,03 25,01 24,97
PETA X
X X Bar RLCLCL UCL
129,0725,8143,0523,4725,6127,75
124,8424,9685,1423,4725,6127,75
128,0425,6084,0323,4725,6127,75
125,0225,0044,0023,4725,6127,75
128,0925,6182,0223,4725,6127,75
135,1327,0263,0223,4725,6127,75
126,925,385,1623,4725,6127,75
127,9925,5982,0523,4725,6127,75
127,5425,5085,5323,4725,6127,75
127,9425,5883,1123,4725,6127,75
1280,56256,1137,11
PETA R
LCLCL UCL
03,717,85
03,717,85
03,717,85
03,717,85
03,717,85
03,717,85
03,717,85
03,717,85
03,717,85
03,717,85
OBSERVASI UKURAN SAMPLE BANYAKNNYA PRODUK CACAT P ( Proporsi Cacat )LCLCL UCL
1100100,10,0240,1220,220
2100110,110,0240,1220,220
310090,090,0240,1220,220
4100160,160,0240,1220,220
5100150,150,0240,1220,220
6100140,140,0240,1220,220
7100130,130,0240,1220,220
8100120,120,0240,1220,220
9100100,10,0240,1220,220
10100120,120,0240,1220,220
11100140,140,0240,1220,220
12100160,160,0240,1220,220
13100120,120,0240,1220,220
14100130,130,0240,1220,220
15100140,140,0240,1220,220
1610090,090,0240,1220,220
17100100,10,0240,1220,220
18100130,130,0240,1220,220
19100120,120,0240,1220,220
20100100,10,0240,1220,220
2110090,090,0240,1220,220
22100100,10,0240,1220,220
23100120,120,0240,1220,220
24100140,140,0240,1220,220
25100150,150,0240,1220,220
JUMLAH 25003053,05
OBSERVASI UKURAN SAMPLE BANYAKNNYA PRODUK CACAT P
(Proporsi Cacat )LCLCL UCL
1100100,12,3812,2022,02
2100110,112,3812,2022,02
310090,092,3812,2022,02
4100160,162,3812,2022,02
5100150,152,3812,2022,02
6100140,142,3812,2022,02
7100130,132,3812,2022,02
8100120,122,3812,2022,02
9100100,12,3812,2022,02
10100120,122,3812,2022,02
11100140,142,3812,2022,02
12100160,162,3812,2022,02
13100120,122,3812,2022,02
14100130,132,3812,2022,02
15100140,142,3812,2022,02
1610090,092,3812,2022,02
17100100,12,3812,2022,02
18100130,132,3812,2022,02
19100120,122,3812,2022,02
20100100,12,3812,2022,02
2110090,092,3812,2022,02
22100100,12,3812,2022,02
23100120,122,3812,2022,02
24100140,142,3812,2022,02
25100150,152,3812,2022,02
JUMLAH 25003053,05
HARI CACAT ( Reject )LCLCL UCL
120,0002,3506,949
2202,3506,949
3002,3506,949
4102,3506,949
5102,3506,949
6202,3506,949
7402,3506,949
8002,3506,949
9302,3506,949
10202,3506,949
11202,3506,949
12402,3506,949
13502,3506,949
14302,3506,949
15102,3506,949
16102,3506,949
17502,3506,949
18402,3506,949
19302,3506,949
20202,3506,949
JUMLAH 47
Proses Perbaikan ( ANOVA )
Tipe Material (B)Temperatur (A)
15o70o125o
A1303420
1551870
188018
1807556
B15011825
18812270
11810658
12611518
C13817496
11018104
16815082
1813918
1. SSTTipe Material (B)Temperatur (A)
15o15o270o70o2125o125o2
A1301690034115620400
15524025401600704900
745476806400826724
18032400755625563136
B150225001361849625625
1883534412214884704900
1592528110611236583364
1261587611513225452025
C1381904417430276969216
110121001201440010410816
1682822415022500826724
1602560013919321603600
TOTAL26277015911956430
478319178927.64SST
TOTAL
Nilai Data Keseluruhan328310778089
Data36
Hasil Bagi299391.36
2. SSMaterialTipe Material (B)Temperatur (A)TOTAL
15o70o125o
A1303420996992016
1554070
748082
1807556
B1501362513001690000
18812270
15910658
12611545
C1381749615012253001
110120104
16815082
16013960
b312SSMaterial4935017
n4111860.06411251.42
TOTAL
Nilai Data Keseluruhan328310778089
Data36
Hasil Bagi299391.36
3. SSTemperatureTipe Material (B)Temperatur (A)
15o70o125o
A1303420
1554070
748082
1807556
B15013625
18812270
15910658
12611545
C13817496
110120104
16815082
16013960
TOTAL17381291768
30206441666681589824
a312SSTemperature
n4140371.06
TOTAL
Nilai Data Keseluruhan328310778089
Data36
Hasil Bagi299391.36
4. SSInteraksiTipe Material (B)Temperatur (A)
15o70o125o
A13053929052134229524412022851984
1554070
748082
1807556
B1506233881291364792294412519839204
18812270
15910658
12611545
C13857633177617458333988996342116964
110120104
16815082
16013960
TOTAL1010426621771208152
1840349
n4460087.25SSInteraksi189206.89
TOTAL
Nilai Data Keseluruhan328310778089
Data36
Hasil Bagi299391.36
SSMaterial111860.06
7. MSASSTemperature140371.06
a3
1
2
MSA70185.52778
6. SSESST178927.64
SSInteraksi189206.89
SSTemperature140371.06
SSMaterial111860.06
SSE396645.53
8. MSBSSMaterial111860.06
b3
1
2
MSB55930.02778
9. MSABSSInteraksi189206.89
a32
b32
14
MSB47301.72222
\
10. MSESSE396645.53
a3927
b3
n43
1
MSE14690.5751
11. FoMSA70185.5
MSE14690.6
Fo4.77759
12. FoMSB55930
MSE14690.6
Fo3.8072
13. FoMSAB47301.7
MSE14690.6
Fo3.21987
Sumber VariasiSum Of SquaresDegree Of FreedomMean SquareFo
Tipe Material111860.062559303.8072
Temperature140371.06270185.54.77759
Interaksi189206.89447301.73.21987
Error396645.532714690.6
TOTAL838083.5335
Suhu
Kriteria
450
300
Level
Kriteria
Kontinu
Terputus
Tipe Pemotongan
Level
Level
Replikasi
Faktor B
y111 y121 y1b1
y112 y122 y1b2
.
Y11n y12n y1bn
y211 y221 y2b1
y212 y222 y2b2
.
Y21n y22n y2bn
Faktor A
ya11 ya21 yab1
ya12 ya22 yab2
.
Ya1n ya2n yabn
Replikasi
Faktor B
Faktor A
8
_1493957880.unknown
_1493957889.unknown
_1493957893.unknown
_1493957897.unknown
_1493957899.unknown
_1493957901.unknown
_1493957902.unknown
_1493957900.unknown
_1493957898.unknown
_1493957895.unknown
_1493957896.unknown
_1493957894.unknown
_1493957891.unknown
_1493957892.unknown
_1493957890.unknown
_1493957884.unknown
_1493957887.unknown
_1493957888.unknown
_1493957886.unknown
_1493957882.unknown
_1493957883.unknown
_1493957881.unknown
_1493957876.unknown
_1493957878.unknown
_1493957879.unknown
_1493957877.unknown
_1493957874.unknown
_1493957875.unknown
_1493957873.unknown
Top Related