Production Activity Control Chapter 6 “The time comes when plans must be put into action” Operation Management Week 14 Focused Quality Management and Statistical.

Presentasi berjudul: "Production Activity Control Chapter 6 “The time comes when plans must be put into action” Operation Management Week 14 Focused Quality Management and Statistical."— Transcript presentasi:

1 Production Activity Control Chapter 6 “The time comes when plans must be put into action” Operation Management Week 14 Focused Quality Management and Statistical Quality Control 1

2 Focused Quality Management (FQM) Fokus pada manajemen kualitas merupakan salah satu pendekatan untuk meningkatkan kualitas produk/jasa, serta untuk meningkatkan customer satisfaction. Caranya adalah dengan melakukan restructuring management practices. 2

3 Prinsip FQM 1.Tanyalah kepada customer “ apa yang mereka inginkan ” 2.Lakukan zero defects sebagai standard 3.Lakukan pekerjaan dengan cara seksama dan dalam tempo yang sesingkat – singkatnya 4.Yang dievaluasi dan diukur adalah sistem 5.Yakinlah bahwa setiap orang merasa sebagai stakeholder 3

4 Fokus pada Manajemen Kualitas (Focused Quality Management) Artinya FQM merupakan cerminan bagaimana produk/jasa disampaikan kepada pelanggan sesuai dengan kebutuhan (needs), keinginan (wants), dan harapannya (expectation) melalui: –Lower costs –Higher quality –Speed delivery 4

5 MASTERING 7 QC TOOLS FOR IMPROVEMENT To a hammer, everything’s a nail … How many tools do you have in your improvement tool kit ? 5

6 Quality Control 6

7 7 QC TOOLS 1.Stratifikasi 2.Lembar Data 3.Grafik 4.Diagram Pareto 5.Histogram 6.Diagram Ishikawa 7.Scatter Diagram 7

8 STRATIFIKASI Definisi: Adalah mengelompokkan/ menggolongkan/ menstratifikasikan data berdasarkan faktor tertentu untuk analisa yang lebih rinci Contoh: Faktor Stratifikasi Umum Mengelompokkan data berdasarkan …. 1.Siapa: Departemen, individu, jenis pelanggan 2.Apa: Jenis komplain, kategori cacat, alasan menelepon 3.Kapan: bulanan, triwulan, hari, waktu 4.Dimana: bagian, kota, lokasi spesifik dari produk (sudut kanan atas, tombol on/off, dsb) 8

9 STRATIFIKASI (ANALISIS DATA) Kesimpulan: Mesin dari line C yang menghasilkan unit ditolak terbesar (75 unit) 9

10 EXAMPLE : STRATIFICATION Reviewing the two figures above, what is your Conclusion? WITHOUT STRATIFICATIONWITH STRATIFICATION 10

11 STRATIFIKASI Manfaat: Untuk mengumpulkan informasi mengenai pola dan penyebab masalah 11

12 LEMBAR DATA (CHECK SHEET) Definisi: Lembar (formulir) yang dirancang untuk mengumpulkan data Manfaat: 1.Membantu dan mempermudah proses pengumpulan data 2.Menstandarisir cara pengumpulan data 3.Mencatat suatu kejadian 4.Mengetahui adanya permasalahan 12

13 LEMBAR DATA CARA PEMBUATAN: Gunakan Pedoman pengumpulan Data (5W+1H): a. What: Item-item yang akan dikumpulkan datanya. Gunakan teknik stratifikasi Contoh: Jenis defect : black spots,, goresan, bolong, gelombang, jalur putih b. Where: Tetapkan lokasi (scope) pengumpulan data. Contoh: semua Departemen c. Who: Nama seseorang yang mengumpulkan data d. When: Tetapkan periode pengumpulan Data, Contoh: Jan & Feb e. Why : Tetapkan Tujuan Pengumpulan Data, dan tulis dalam kalimat pernyataan sebagai Judul Lembar Data. Contoh: Data Kecelakaan kerja. f. How much & How collect data: Tetapkan berapa banyak & bagaimana cara mengumpulkan data. Banyak data dan frekwensi pengambilan data harus disesuaikan dengan kondisi proses Misal: - setiap box diambil 5 dan diukur, atau - setiap roll turun dicatat ukurannya, atau - cairan diambil 1 cc setiap jam dan diukur 13

14 LEMBAR DATA CONTOH 1 Tingkat kompetensi karyawan bagian Maintenance per Tgl 1 Juni 200X 14

15 PERENCANAAN UNTUK PENGAMBILAN DATA (PERANAN LEMBAR DATA DALAM DATA ANALISIS) 1.Select what to Measure 2.Develop Operational Definitions 3.Identify Data Sources 4.Prepare a data Collection and Sampling Plan 5.Implement and Refine the data collection process 15

16 What are selected measures ? PLANNING FOR DATA COLLECTION Select what to measure TOOL : MEASUREMENT ASSESSMENT TREE 16

17 GRAFIK BALOK DEFINISI: Grafik Balok adalah grafik dalam bentuk balok yang menunjukkan perbandingan kuantitas/jumlah dari dua atau lebih faktor/item dalam periode tertentu MANFAAT: Membandingkan dua atau lebih faktor pada periode tertentu 17

18 GRAFIK BALOK (Contoh) Problem Tile di 1 Januari 20X1 Kesimpulan: Problem Tile terbesar pada Januari 20X1 adalah Pinhole (39 pcs) 18

19 GRAFIK GARIS DEFINISI: Grafik Garis adalah grafik dalam bentuk garis yang menunjukkan pergerakan hasil pengukuran suatu parameter dalam periode tertentu Contoh Parameter: Suhu, kelembaban, jumlah cacat MANFAAT: Memonitor kecenderungan perubahan hasil pengukuran pengamatan dalam periode tertentu 19

20 GRAFIK GARIS CONTOH Kerusakan mesin Jan – Jul ’20X1Cacat chipping 20X1 Kesimpulan: Mesin A mengalami kerusakan lebih sering dari mesin B Kesimpulan: Cacat chipping tahun 20X1 cenderung mengalami penurunan 20

21 GRAFIK LINGKARAN/PIE CHART DEFINISI: Suatu grafik lingkaran yang menggambarkan proporsi dua atau lebih data kategori dengan pengukuran yang sama pada periode waktu tertentu Contoh: kg, Newton, Rp, Unit MANFAAT: Berguna untuk menunjukkan proporsi dari setiap kategori data relatif terhadap keseluruhan data 21

22 GRAFIK LINGKARAN/PIE CHART CONTOH Problem Tile di Januari 20X1 Kesimpulan: Problem Tile terbesar pada Januari 20X1 adalah Pinhole (24% = 39/156) 22

23 CONTROL CHART DEFINISI: Control Chart adalah suatu grafik garis yang yang mencantumkan garis-garis kontrol (control limit) sebagai dasar pengendalian proses (untuk menunjukkan proses dalam keadaan terkontrol atau tidak) 23

24 CONTOH CONTROL CHART X – Chart dan R – Chart UCL & LCL ditentukan oleh variasi proses itu sendiri dan tidak ada hubungannya dengan batas spec yang ditentukan customer 24

25 CONTROL CHART MANFAAT:  Control Chart ini digunakan untuk memonitor variasi hasil pengukuran parameter proses  Apakah prosesnya normal atau menunjukkan trend?  Mengidentifikasi penyimpangan dini dan mengambil tindakan sebelum proses out of control Dengan grafik garis saja, kita tidak bisa menyelidiki apakah sebuah titik abnormal atau tidak. Jika standar pengontrolan tidak jelas dapat timbul Over Control atau Under Control Over Control: pengontrolan terlalu ketat, bisa menurunkan efisiensi Under Control: pengontrolan terlalu longgar, sehingga bisa menurunkan mutu 25

26 PROCESS IN CONTROL Process in Control: Titik-titik terdistribusi secara random di sekitar center line dan semua titik berada di dalam control limit 26

27 TABEL KONSTANTA CONTROL CHART SUB GROU P SIZE Chart for AveragesChart for standart DeviationsChart for ranges Factor for control limits Factor for central line control limit Factor for central line control limit A A2 A3C4 1/(C4) B3 B4 B5 B6d2 1/(d2) d3 D1 D2 D3 D4 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 2.121 1.88 2.659 1.732 1.023 1.954 1.5 0.729 1.628 1.312 0.577 1.427 1.225 0.483 1.287 1.134 0.419 1.182 1.061 0.373 1.099 1 0.337 1.032 0.949 0.308 0.975 0.905 0.285 0.927 0.866 0.266 0.888 0.832 0.249 0.85 0.802 0.205 0.817 0.775 0.223 0.789 0.75 0.212 0.763 0.728 0.203 0.739 0.707 0.194 0.718 0.688 0.187 0.698 0.671 0.18 0.68 0.655 0.173 0.663 0.54 0.167 0.647 0.626 0.162 0.633 0.612 0.157 0.619 0.6 0.153 0.606 0.7979 1.2533 0 3.267 0 2.606 0.8862 1.1284 0 2.568 0 2.276 0.9213 1.0854 0 2.266 0 2.088 0.94 1.0638 0 2.089 0 1.964 0.9515 1.051 0.03 1.97 0.029 1.874 0.9594 1.0423 0.118 1.882 0.113 1.806 0.965 1.0863 0.185 1.815 0.179 1.751 0.9693 1.0317 0.239 1.761 0.237 1.707 0.9727 1.0281 0.284 1.716 0.276 1.669 0.9754 1.0252 0.321 1.679 0.313 1.637 0.9776 1.0229 0.354 1.616 0.346 1.61 0.9794 1.021 0.382 1.618 0.374 1.585 0.981 1.0194 0.406 1.594 0.399 1.563 0.9823 1.018 0.428 1.572 0.421 1.544 0.9835 1.0168 0.448 1.552 0.44 1.526 0.9815 1.0157 0.466 10534 0.458 1.511 0.9854 1.0148 0.482 1.518 0.475 1.496 0.9862 1.014 0.497 1.503 0.49 1.483 0.9869 1.0133 0.51 1.49 0.504 1.47 0.9876 1.0126 0.523 1.477 0.516 1.459 0.9822 1.0119 0.534 1.466 0.528 1.448 0.9887 1.0119 0.515 1.455 0.539 1.138 0.9892 1.0109 0.555 1.455 0.549 1.29 0.9896 1.0105 0.565 1.435 0.559 1.12 1.128 0.8865 0.853 0 3.686 0 3.267 1.693 0.5907 0.888 0 4.358 0 2.574 2.059 0.4857 0.88 0 4.698 0 2.282 2.326 0.4299 0.864 0 4.918 0 2.144 2.534 0.3946 0.818 0 5.078 0 2.004 2.704 0.3698 0.833 0.204 5.204 0.076 1.924 2.847 0.3517 0.82 0.388 5.306 0.136 1.861 2.97 0.3367 0.808 0.547 5.393 0.104 1.816 3.078 0.3249 0.797 0.687 5.469 0.223 1.777 3.173 0.3152 0.787 0.811 5.535 0.256 1.744 3.258 0.3069 0.778 0.922 5.594 0.283 1.717 3.336 0.2998 0.777 1.025 5.647 0.307 1.693 3.407 0.2935 0.763 1.118 5.696 0.328 1.672 3.472 0.288 0.756 1.203 5.741 0.347 1.653 3.572 0.2831 0.75 1.282 5.782 0.363 1.637 3.588 0.2787 0.744 1.356 5.82 0.378 1.622 3.64 0.2747 0.739 1.424 5.856 0.391 1.608 3.689 0.2711 0.734 1.487 5.891 0.403 1.597 3.735 0.2677 0.729 1.549 5.921 0.415 1.585 3.778 0.2647 0.724 1.605 5.951 0.425 1.575 3.819 0.2618 0.72 1.659 5.979 0.434 1.566 3.858 0.2592 0.716 1.171 6.006 0.443 1.557 3.895 0.2567 0.712 1.759 6.031 0.451 1.548 3.931 0.2544 0.708 1.806 6.056 0.459 1.541 27

28 Contoh Aplikasi Grafik Target Setting Before Vs Target Januari Februari 28

29 Control chart perbandingan before Vs After Lebar garis control before = 44.14-28.00 = 16.14 Lebar garis control after = 40.46-31.47 = 8.99 % Improvement = (16.14-8.99)/16.14 = 44.3% Lebar garis control before = 44.14-28.00 = 16.14 Lebar garis control after = 40.46-31.47 = 8.99 % Improvement = (16.14-8.99)/16.14 = 44.3% 29

30 DIAGRAM PARETO DEFINISI: Diagram Pareto adalah sebuah grafik balok berbentuk vertikal yang mengurutkan hasil pengukuran dari yang tertinggi ke yang terendah  Diagram Pareto merupakan salah satu bentuk Bar Chart, dimana setiap balok dapat mencerminkan suatu hasil perhitungan kategori, suatu fungsi (rumus) dari kategori (seperti rata-rata, jumlah, atau standar deviasi) atau jumlahan nilai dari suatu tabel  Pada umumnya digunakan untuk menunjukkan masalah yang disusun dari prioritas tertinggi ke yang terendah untuk menentukan masalah yang harus ditangani terlebih dahulu  Pertama kali ditemukan oleh Vilfredo Pareto, ahli ekonomi Italia 30

31 DIAGRAM PARETO MANFAAT: Merupakan pedoman memilih peluang perbaikan berdasarkan prinsip “Vital Few” Memfokuskan sumber daya pada area/ defect/ penyebab yang menghasilkan keuntungan yang terbesar Membandingkan frekuensi dan/atau dampak dari berbagai penyebab masalah 31

32 DIAGRAM PARETO Defect Produksi Periode: 1-7 Juli 20X1 Hanya ada 4 masalah yang menyebabkan 80% kerugian 32

33 Pareto Perbandingan Cum 100% 10 5 3 2 0 5 15 20 Data sebelum implementasi Week 001-002 5 3 2 1 0 5 10 15 20 Cum 100% Data setelah implementasi Week 005-006 Daun me- nguning Tnm Ber - Penyakit Tnm Tumbang Tnm Kerdil Daun me- nguning Tnm Ber - Penyakit Tnm Tumbang Tnm Kerdil Kesimpulan? Berapa persen improvemen yang dicapai? Kesimpulan? Berapa persen improvemen yang dicapai? 33

34 Contoh proposal team dalam penentuan masalah yang harus segera diselesaikan Team sebaiknya fokus untuk menyelesaikan ketiga complaint terbesar C, B dan A Yang mempunyai cumulative masalah sebesar 77.1% Team sebaiknya fokus untuk menyelesaikan ketiga complaint terbesar C, B dan A Yang mempunyai cumulative masalah sebesar 77.1% 34

35 Efek Synergis Pareto Memperbaiki salah satu, yang lain ikut terpengaruh Pada proyek pertama, team fokus hanya pada satu object. Hasilnya, tidak hanya satu object saja yang berpengaruh, semua ikut terpengaruh. Pada proyek pertama, team fokus hanya pada satu object. Hasilnya, tidak hanya satu object saja yang berpengaruh, semua ikut terpengaruh. 35

36 HISTOGRAM DEFINISI: Grafik yang menggambarkan penyebaran data sebagai hasil dari satu macam pengukuran, atas suatu kejadian atau proses MANFAAT: Berguna untuk menguji bentuk dan penyebaran sample data: Untuk melihat range dan distribusi dari data continuous (misalnya: berat barang yang dikirim, dollar yang dibelanjakan dalam setiap PO, dsb) Untuk melihat variasi dan tingkat pemenuhan spesifikasi/persyaratan pelanggan (size, cycle time, suhu, dsb). Hanya berlaku untuk data continuous saja 36

37 EXAMPLE : HISTOGRAM DATA FOR HISTOGRAM CHECK SHEET FOR HISTOGRAM (EMPLOYEE HEIGHT - WEIGHT (KG)) Number of data values = n = 100  k = sqrt (100) = 10 Range = max – min = 124 – 77 = 47 H (Jarak tiap interval) = Range / k = 47 / 10 = 4,7 37

38 HISTOGRAM CONTOH 38

39 HISTOGRAM PATTERN Normal S er S S S 0 5 10 15 20 25 30 35 Normal Distribution (Symmetrical) Anda bisa memberi tanda spesifikasi pelanggan pada histogram sehingga secara visual dapat diketahui seberapa baik kemampuan proses memenuhi (tidak memenuhi) persyaratan pelanggan. Anda juga dapat memunculkan nilai rata-rata dan Standard deviasi/ sigma pada histogram ini sebagai angka yang mewakili proses Normal Distribution (Symmetrical) Anda bisa memberi tanda spesifikasi pelanggan pada histogram sehingga secara visual dapat diketahui seberapa baik kemampuan proses memenuhi (tidak memenuhi) persyaratan pelanggan. Anda juga dapat memunculkan nilai rata-rata dan Standard deviasi/ sigma pada histogram ini sebagai angka yang mewakili proses 39

40 HISTOGRAM PATTERN 0 5 10 15 20 25 30 0 5 10 15 20 25 30 0 5 10 15 20 25 Skewed Distribution Kelompok data mendekati salah satu ekor histogram Contoh: Waktu proses, cycle time, biaya Analisa kondisi apa yang terjadi di area ekor yang membedakan dengan area lainnya, jika kondisi tersebut tidak diinginkan lakukan perbaikan, eliminir kejadiannya, tetapi jika merupakan kondisi yang diinginkan maka pertahankan dan dapat diterapkan di area lain. Skewed Distribution Kelompok data mendekati salah satu ekor histogram Contoh: Waktu proses, cycle time, biaya Analisa kondisi apa yang terjadi di area ekor yang membedakan dengan area lainnya, jika kondisi tersebut tidak diinginkan lakukan perbaikan, eliminir kejadiannya, tetapi jika merupakan kondisi yang diinginkan maka pertahankan dan dapat diterapkan di area lain. Evenly distributed data values Jarang sekali terjadi Model ini muncul di pabrik bila sebuah gauge atau tools pengukuran sudah tidak lagi sensitif dalam mendeteksi perbedaan antara unit (seperti sebuah penggaris yang seluruhnya hanya memiliki tanda inci) Evenly distributed data values Jarang sekali terjadi Model ini muncul di pabrik bila sebuah gauge atau tools pengukuran sudah tidak lagi sensitif dalam mendeteksi perbedaan antara unit (seperti sebuah penggaris yang seluruhnya hanya memiliki tanda inci) Bimodal distribution Data memiliki dua puncak Pola ini muncul bila sesuatu yang anda perkirakan sebagai sebuah proses ternyata adalah dua proses Jika anda melakukan stratifikasi, Anda bisa mengidentifikasi sumber data dari setiap puncak Bimodal distribution Data memiliki dua puncak Pola ini muncul bila sesuatu yang anda perkirakan sebagai sebuah proses ternyata adalah dua proses Jika anda melakukan stratifikasi, Anda bisa mengidentifikasi sumber data dari setiap puncak 40

41 EXAMPLE : HISTOGRAM KASUS: Anda bekerja di pabrik shampoo dan ingin memastikan bahwa tutup botol dikencangkan secara baik. Jika terlalu longgar, maka ada kemungkinan bocor selama pengiriman. Jika terlalu keras, maka akan sulit untuk dibuka pelanggan (terutama bila sedang mandi) Anda mengumpulkan sampel secara acak dari botol yang ada dan membuka tutup botol (banyak putaran atau torque) Buat histogram untuk mengevalusi data dan seberapa dekat data sample terhadap nilai target 18 41

42 EXAMPLE : HISTOGRAM Interpreting the results Sebagian tutup dikencangkan dengan kekuatan torsi 13 dan 25. Hanya ada satu tutup yang sangat longgar, dengan kekuatan kurang dari 11. nampak distribusi skewed/ miring kearah positif; yang menunjukkan beberapa tutup terlalu kencang dari yang seharusnya. Banyak tutup yang membutuhkan kekuatan lebih dari 24 untuk dibuka dan lima tutup membutuhkan kekuatan lebih dari 33, sekitar dua kali lipat dari target. 42

43 DIAGRAM SEBAB DAN AKIBAT DEFINISI: Suatu diagram yang terstruktur untuk mengidentifikasi penyebab dari masalah dan hubungan sebab akibat berdasarkan pengalaman dan keahlian dari sekelompok orang dengan melakukan brainstorming secara terstruktur  Juga dapat dilakukan untuk brainstorming cara-cara yang perlu dilakukan untuk mencapai suatu tujuan  Diagram Sebab-Akibat ini dikembangkan tahun 1943 oleh Prof Kaoru Ishikawa. Sehingga diagram ini juga sering disebut diagram Ishikawa atau diagram Tulang Ikan karena bentuknya mirip tulang ikan 43

44 DIAGRAM SEBAB DAN AKIBAT MANFAAT: 1.Mengidentifikasi sebab-sebab utama masalah 2.Mengidentifikasi akar masalah 3.Mengidentifikasi beberapa alternatif cara penyelesaian masalah 44

45 CONTOH DIAGRAM ISHIKAWA Sebab dominan dari kebocoran di pre-heater adalah: Sering feeding stop Design tidak bagus 45

46 Langkah didalam meeting TQM 1.Pastikan semua orang memahami prosesnya dulu maka sebelum meeting/ brainstorming penyebab perlu diulas flow chart proses. 2.Identifikasi siapa saja (Man) yang terlibat, metode, alat ukur, mesin-mesin, pengaruh lingkungan, material. 3.Semua ide penyebab masalah ditulis 4.Hati-hati jebakan jawaban “WHY” 80% keberhasilan project anda ditentukan oleh fase ini. Apa kemungkinan penyebab? Dan, Bagaimana membuktikannya? 46

47 Contoh 1 47

48 SCATTER DIAGRAM DEFINISI: Diagram yang menggambarkan hubungan (korelasi) antara dua variabel (faktor) MANFAAT: Menyajikan data untuk mengkonfirmasikan hipotesa apakah dua variabel (faktor) saling berhubungan/berkorelasi Mengetahui seberapa erat hubungan antara dua faktor tersebut Sebagai tools untuk memverifikasi akar penyebab yang diperoleh dari analisa sebab dan akibat 48

49 DIAGRAM TEBAR (SCATTER DIAGRAM) CONTOH KORELASI: Antara jumlah kunjungan ke pelanggan dengan hasil penjualan Antara keluhan pelanggan dengan pendapatan usaha Antara lama kerja dengan prestasi kerja Antara jumlah salesman dengan dengan hasil penjualan Antara waktu pelayanan dengan kepuasan pelanggan Antara umur mesin dengan jumlah breakdown Antara jumlah sampel yang diinspeksi dengan jumlah defect Antara frekuensi perawatan dengan jumlah reject/breakdown Antara tingkat inventory dengan jumlah produk kadaluarsa Antara jumlah buku dengan kompetensi karyawan Antara jam training dengan kecelakaan/kesalahan kerja 49

50 JENIS KORELASI ANTARA DUA VARIABEL 50

51 Kesimpulan: karena nilai “r” = 0.735 mendekati 1, maka bisa disimpulkan ada korelasi yang cukup kuat antara variabel X dan variabel Y (peningkatan kunjungan mempengaruhi peningkatan penjualan) 51

52 Strategi Meningkatkan Kualitas untuk memperoleh keunggulan bersaing 1.Desain yang fleksibel 2.Kualitas yang baik dan konsisten 3.Kecepatan pelayanan 4.Harga relatif rendah 5.Pelayanan purna jual 6.Variasi produk 52

53 Contoh Rumah Makan Pembersih Ruang Tukang Masak PelayanKasirPemilik Ruangan Bersih Masakan Lezat Menyediakan Dana Melayani Pelanggan Menyiapkan Billing Customer satisfaction Customer retention Customer loyalty 53

54 Control Chart (Peta Kendali) Tujuan: –Untuk interpretasi data suatu proses yang berhubungan dengan kualitas –Secara objektif menentukan apakah proses tersebut ada dalam kendali atau diluar kendali 54

55 14 Distribusi Normal x 0123-3-2 Z  x Rata – rata mengurangi variability 55

56 15 Control Limits Seandainya kita menggunakan control limits pada +/- 3 standard deviasi, maka Kita mengharapkan 99.7% dari seluruh pengamatan kita terhadap sample berada dalam limit ini. x LCLUCL 56

57 Statistical Process Control 57

58 Caranya Langkah 1: menentukan apa yang akan diukur Langkah 2: Mengumpulkan data Langkah 3: Memetakan data Langkah 4: Menghitung batas – batas kendali yang dapat ditolerir 58

59 Menentukan Apa yang Diukur Volume (berapa banyak pada periode waktu tertentu) Waktu siklus (berapa lama sesuatu terjadi) Kesalahan dan cacat (berapa banyak kerusakan selama periode waktu tertentu) Pemborosan (berapa banyak pengerjaan ulang atau ditolak) 59

60 Contoh Kasus 1 Tn Ahmad adalah seorang manager pada suatu perusahaan. Ia menemukan fakta bahwa, bagian penagihan menerima paling banyak keluhan dari pelanggan. Untuk mengetahui secara lebih detail jenis keluhan apa saja yang diterima dan apa yang harus diperbaiki serta apakah keluhan tersebut masih dalam batas toleransi, Tn Ahmad mengumpulkan data sebagai berikut: 60

61 Langkah 1: Menentukan apa yang diukur Lembar Data dan Sampel Peta Kendali Tanggal (Sample) Jumlah yang diinspeksi Jenis Keluhan% Kesalah an Salah alamat Salah nama Terlam bat Informasi tidak lengkap 1.14 Okt 2.15 Okt 3.16 Okt 4.17 Okt 5.18 Okt 6.21 Okt 7.22 Okt 8.23 Okt 9.24 Okt 50 8 13 11 10 26 14 2 14 9 1311713117 11113211111321 111131111131 0.2 0.28 0.24 0.3 0.56 0.3 0.14 0.52 0.22

62 Langkah 2: Mengumpulkan Data Tanggal Jumlah yang diinspeksi Jumlah kesalahan Jenis kesalahan atau kerusakan Persentase kesalahan 62

63 Langkah 3: Memetakan Data Buat sumbu X = tanggal (sample) Buat sumbu Y = Persentase kesalahan (proporsi kesalahan) Petakan masing – masing kesalahan pada grafik, hitung rata – rata persen kesalahan kemudian dibagi dengan banyaknya sampel (50 pengamatan) Gambarkan satu garis horizontal pada nilai yang sesuai (beri nama P rata – rata) 63

64 1. Hitung Rata – Rata dari proporsi sampel 2. Hitung standard deviasi dari proporsi sampel Cara Menghitung 64

65 3. Hitung control limits. UCL = 0.5023 LCL = 0.111 Upper Control Limit (Batas Kendali Atas) Lower Control Limit (Batas Kendali Bawah) 65

66 Langkah 4: Menghitung Batas – Batas Kendali dengan P Chart Analisis? 66

67 Tindak Lanjut: Menentukan Langkah Selanjutnya Jika semua titik berada dalam batas kendali, lanjutkan proses tanpa perubahan apa – apa Apabila terdapat titik yang berada di luar batas kendali: –Selidiki dan ambil langkah – langkah untuk menghilangkan penyebab –Kaji kembali untuk menjamin bahwa setiap perubahan memberikan dampak positip –Ambil sampel baru dan buat Peta – P yang baru dengan menggunakan batas – batas yang didasarkan pada informasi yang baru 67

68 Contoh Kasus 2 Manager sebuah perusahaan makanan, mengambil sampel setiap jam untuk mengendalikan kualitas produk makanan yang dihasilkan. Sampel yang diambil sebanyak 9 kotak/jam dan dihitung rata – ratanya. Kendalikanlah kualitas produk makanan perusahaan ini 68

69 Langkah 1: Menentukan apa yang diukur Lembar Data dan Sampel Peta Kendali Rata – rata berat untuk sampel pada jam pertama = (17 + 13 + 16 + 18 + 17 + 16 + 15 + 17 + 16)/9 = 16.1 gram JamRata – rata dari 9 kotak (gram) JamRata – rata dari 9 kotak (gram) JamRata – rata dari 9 kotak (gram) 12341234 16.1 16.8 15.5 16.5 56785678 16.4 15.2 16.4 9 10 11 12 16.3 14.8 14.2 17.3 Rata – rata dari 12 sampel tersebut di atas = 192/12 = 16 gram 69

70 Langkah 2: Mengumpulkan Data Jam pengamatan (jam 1 s/d 12) Jumlah yang diinspeksi (masing – masing jam di ambil sebanyak 9 kotak) Menimbang rata – rata berat setiap kotak Menghitung standar deviasi Menetapkan tingkat kesalahan (error) = z 70

71 Langkah 3: Memetakan Data Buat sumbu X = tanggal (sample) Buat sumbu Y = Persentase kesalahan (proporsi kesalahan) Petakan masing – masing kesalahan pada grafik, hitung rata – rata persen kesalahan kemudian dibagi dengan banyaknya sampel (50 pengamatan) Gambarkan satu garis horizontal pada nilai yang sesuai (beri nama P rata – rata) 71

72 1. Hitung Rata – Rata dari sampel 2. Hitung standard deviasi dari rata – rata sampel Cara Menghitung 72

73 3. Hitung control limits. UCL = 16.99 LCL = 15.01 Upper Control Limit (Batas Kendali Atas) Lower Control Limit (Batas Kendali Bawah) 73

74 Langkah 4: Menghitung Batas – Batas Kendali dengan X Chart Analisis? 74

75 Contoh Kasus 3 x-Bar and R Charts 75

76 Menghitung rata – rata sample, sample ranges, mean of means, and mean of ranges. 76

77 Rumus Control Limit Tabel 1 n = jumlah observasi 77

78 x-Bar Chart 78

79 R-Chart 79

80 Kesimpulan Dalam kasus p chart dan x chart (baik menggunakan standar deviasi maupun tabel) digunakan untuk mengendalikan kesalahan yang terdapat dalam rata – rata proses produksi. Apabila kita ingin melihat dispersi dari proses tersebut secara lebih detail, sebaiknya digunakan range chart (R chart). Data yang bersifat atribut menggunakan p chart, sedangkan data yang bersifat variabel menggunakan x chart atau r chart. 80

81 Case Study: Manufacture 1.Sebutkan masalah - masalah apa yang Anda hadapi dalam perusahaan manufaktur, sehingga memerlukan peta kendali? 2.Yang mana dari situasi tersebut di atas, menurut Anda berada di luar kendali? 3.Apa yang akan Anda ukur dari situasi tersebut? 4.Buatlh perhitungan dan analisis data tsb. 5.Mampu mengidentifikasi teknik statistik 7 QC tools yang sesuai untuk menganalisa data di perusahaan dan melakukan improvement Nama Perusahaan: ……………………………........................................... Alamat: …………………………………………………………………....... Produk yang dihasilkan: …………………………………………………… 81