Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

PENGENDALIAN KUALITAS JURUSAN TEKNIK INDUSTRI UNIVERSITAS GUNADARMA JAKARTA.

Presentasi serupa


Presentasi berjudul: "PENGENDALIAN KUALITAS JURUSAN TEKNIK INDUSTRI UNIVERSITAS GUNADARMA JAKARTA."— Transcript presentasi:

1 PENGENDALIAN KUALITAS JURUSAN TEKNIK INDUSTRI UNIVERSITAS GUNADARMA JAKARTA

2 REVOLUSI INDUSTRI Quality : - performance - kebanggaan Quality : - kepemimpinan - komitmen PionirPenggunaan teknik statistik

3 Quality : - objectif ~ performance - subjectif ~ konsumen simultan Quality : •  ongkos penolakan • keuntungan  ( jumlah produksi  ) • keseragaman kualitas •  sebaran toleransi •  ongkos pemeriksaan

4 Konsep PDCA Mengaitkan : • kepuasan konsumen • SQC • “respect” terhadap SDM ~ skill

5 RANTAI REAKSI DEMING QQ Biaya  : - pekerjaan diulang  - keterlambatan  - penggunaan mesin  Produktivitas  Pangsa pasar  ( Q , Price  ) Stay in business Jobs opportunity 

6 TRILOGI : • Q planning • Q control • Q improvement Q planning : • menentukan konsumen • menentukan kebutuhan konsumen • mengembangkan produk = f (kebutuhan) •mengembangkan proses = f ( produk)

7 Q control : • evaluasi produk • membandingkan dengan tujuan • perbaikan Q improvement • infrastruktur • melihat kemajuan yang dicapai • motivasi tim

8 Manajemen kualitas : • uncertainty • awakening • enlightment • wisdom •certainty 4 filosofi : • Q ~ kebutuhan • Q ~ pencegahan

9 • “zero defect” • pengukuran kualitas  ketidaksamaan  kebutuhan Tujuan industri ~ persaingan • produk/jasa berkualitas • economical cost (desain, produksi, market) • kebutuhan konsumen berubah

10 Sistem efektif untuk integrasi usaha Q development, Q maintenance dan Q improvement Memasukkan “pendekatan sistem” dalam kajian kualitas ~ KESATUAN ANTAR BAGIAN Mengubah “image” produk Jepang ( murah dan cepat rusak)

11 • Orang Jepang : - pekerja keras - tidak cepat putus asa - saling menolong - rasa kebangsaan tinggi • faktor pembeda dengan QC barat : - partisipasi seluruh anggota - pendidikan dan latihan aktif - QC circle aktif dan QC audit - penggunaan SQC - diterima secara nasional

12 Memasukkan faktor engineering untuk menurunkan gangguan proses sehingga dapat meningkatkan keuntungan “ zero defect”

13 action Check and feedback defects cause Error, check, action

14 PENGGUNAAN 7 OLD TOOLS : (KAORU ISHIKAWA) •check sheet, •histogram, •cause - effect diagram, •scaterred diagram, •stratification, • pareto diagram, •Control chart

15 SAMURAI WITH SEVEN PORTABLE WEAPONS

16 Gusoku (armor) Hoyo (Hood)Kabuto (Helmet) Tachi (long sword) Katana (sword) Ya (arrow) Yumi (bow) 7 7

17 Fungsi Menyajikan data yang berhubungan dgn : •Distribusi proses produksi •Defective item •Defective location •Defective cause •Check up confirmation CHECK SHEET CHECK SHEET

18 CHECK SHEET Product : Plant : Usage : Dept. : Specification : Inspector : Inspection number : Lot No. : Lot Size : Supplier : Measurement unit : Weight (g)TallyFrequency Total Date :

19 1. Guna : menyajikan data secara visual sehingga lebih mudah dilihat oleh pelaksanan 2. Mekanisme : 1.Kumpulkan data pengamatan (N)  data : minimum   rumus statistik  tentukan 2.Pilih harga maksimum & minimum a)Susun data dalam baris & kolom b)Pilih angka max. Tiap baris c)Pilih angka min. tiap baris d)Tentukan max & min dari keseluruhan 3.Hitung range ( R ) = max  min 4.Tentukan jumlah kelas ( K ) K = f(R) = log R Atau K = atau K = 10 ~ tentukan HISTOGRAM

20 5.Tentukan kelas interval ( KI) KI = R/K 6.Tentukan batas bawah KI terendah BB = min – KI/2 7.Tentukan BB, batas atas dan setiap nilai kelas 8. Kelompok data setiap kelas = f(data) nyatakan “tally – mark” 9.Hitung f ( frekwensi ) X (minus, 0, plus) 10.Hitung rata-rata & tandar deviasi KI K ? NT max min

21 Gambarkan histogram dari data berikut ini : minmaxData • R = max  min = 19  9 (19 – 9 = 10) • K = = 50/7  7,….  8~ 10 • KI = R/K = 10/7 = 1 3 / 7  1.5~ 1 • BB = 9 – 1.5/2 = 8.25~ 8.5 • BA = 8.25 dst untuk setiap kelas.~ 9.5

22 50 1…… – …… – ……16, – …… – …… – …… – IIII – II98.25 – 9.75 TalliesNTBatas Kelas  10 f = 12.78, SD = 2.31

23 ~ Petunjuk hierarki kepentingan persoalan cacat produk ~ Mekanisme 1.Buat klasifikasi cacat 2.Tentukan absis~ordinat 3.Buat diagram  % jumlah cacat ~ manfaat • membuat orang mau bekerja sama • dampak perbaikan besar • identifikasi tujuan terpilih a b c d e Kumulatif % cacat DIAGRAM PARETO

24 Pareto Diagram 99.9 %9.7 % %1.7 %36Length defectives (Ld) 4.3 %0.4 %9Corner defectives (Cd) 24.9 %2.4 %52Bolt defectives (Bd) 6.2 %0.6 %13Material defectives (Md) 47.4 %4.6 %99Head defective (Hd) Per cent of CompoditionPer cent DefectiveNumber of DefectivesDefective Item Date : Jumlah yang diinspeksi N = 2160 Catatan produk cacat Hd Bd Ld Md Cd Jumlah cacat (jumlah) (%)

25 ~ MANFAAT : • mengarahkan diskusi faktor sebab dominan • petunjuk pengumpulan dan pencatatan data • menunjukkan kemampuan pekerja Menggambarkan hubungan sebab~akibat C.E. DIAGRAM ~ GUNA • menganalisa kondisi aktual  perbaikan mutu  efisiensi sumber daya   biaya • eliminasi kondisi ~ cacat / keluhan konsumen • standarisasi

26 TAHAPAN 1.Kelompok analisa masalah 2.Anak panah 3.“tulang”  penyebab sebelah kanan  masalah mutu 4.Identifikasi 5.evaluasi

27 CONTOH “ Sangat sulit mengontrol kualitas pada saat proses berlangsung karena banyak sekali faktor yang mempengaruhi kualitas dan faktor-faktor tersebut saling terkait ” IDE Cari hubungan antar faktordengan cara mencari hubungan sebab akibatnya dengan tanda panah sbb : Yield (y) Steam pressure (P) Moisture content (m) Reaction Liquid temperature (t) 1.Yield (y) dipengaruhi oleh moisture content ‘m’. 2.The content ‘m’ dipengaruhi oleh reaction liquid temp. (t). 3.The temperature ‘t’ dipengaruhi oleh steam pressure ‘P’.

28 Cara membuat CE Diagram Step 1. Tentukan karakteristik Step 2. Tuliskan pada sebelah kanan. Gambarkan panah dari arah kiri ke arah kanan. Step 3. Buatlah daftar semua faktor yang mempengaruhi karakteristik tersebut ( di lembar kertas lain) (  Brain Storming) Step 4. Temukan hubungan sebab akibat antar faktor. (relation of perents-children). Ex. Temp. of solution effects reaction. Yield (y) • Temp. of solution • Crystalization hours • Moisture content

29 Step 5. Tulis faktor utama yang menyebabkan terjadinya karakteristik tersebut. Biasanya per tahapan proses. Step 6. Pada setiap cabang tulis secara rinci faktor yang mempengaruhi terjadinya karakteristik tersebut. Yield (y) Raw material CatalyzerTransportationMoisture content Yield (y) Raw material CatalyzerTransportationMoisture content Temp. Steam Pressure

30 Step 7. Lanjutkan langkah 6 sampai semua sebab terjadinya karakteristik tersebut tergambar pada diagram Step 8. Lihat kembali dan tambahkan bila perlu faktor lain yang belum ada padadiagram

31 ~ MANFAAT : • mengarahkan diskusi faktor sebab dominan • petunjuk pengumpulan dan pencatatan data • menunjukkan kemampuan pekerja SCATTERED DIAGRAM Melihat hubungan antar faktor

32 Yield Y (%)Reaction TemperatureNo.

33 X X X X X X X Population in Paris The Number of Stork’s Nest in Paris LELUCON : Bagaimana bayi lahir ? Burung bangau yang membawa bayi

34 ~ MANFAAT : • mencari penyebab utama faktor kualitas • memisahkan data (kategorisasi) sesuai dengan kelompok datanya • memudahkan pengambilan keputusan  peta kontrol • mempelajari secara menyeluruh masalah yang dihadapi STRATIFIKASI

35 Mud stratum Sand stratum Stone stratum Rock Stratifikasi kategorisasi Mencari faktor penyebab utama Ilustrasi :

36 Contoh : analisa produk cacat distratifikasi berdasarkan penemuan operatornya. Defective PercentageDefectives (Pieces)Production (in pieces) Suppliers 20.0 %40200Total 18.4 %1476Yuhi Chemical Co Statify the defectives by the material suppliers 21.0 %26124Asahi chemical Co %40200Total 12.7 %863Kohmo 19.4 %1262Sato 26.7 %2075Tanaka Defective PercentageDefectives (Pieces)Production (in pieces) Operators N=200

37 ~ MANFAAT : • mengendalikan proses • kecenderungan proses • identifikasi kebutuhan konsumen             pH t PETA KONTROL

38 GAFIK KENDALI Grafik yang dilengkapi garis-garis kendali ~garis kendali atas (UCL) ~garis pusat (CL) ~garis kendali bawah (LC) ~garis kendali atas (UCL) ~garis pusat (CL) ~garis kendali bawah (LC)  Grafik kendali X – R  Grafik kendali P  Grafik kendali X – R  Grafik kendali P GRAFIK KENDALI ~ proses normal / tidak normal  semua titik terkendali  tidak ada bentuk ‘khas’  “RUN”  “trend”  “periodicity”  “hugging of the control line

39 PENGGUNAAN SEVEN NEW TOOLS: (MIZUNO DAN YOJI AKAO) - RELATION DIAGRAM - AFFINITY DIAGRAM - SYSTEMATIC DIAGRAM - MATRIX DIAGRAM - MATRIX DATA ANALYSIS - PROCESS DECISION PROGRAM CHART - ARROW DIAGRAM

40 KONSEP TQC : • Q first • consumer orientation • the next process is your customer • using facts and data ( statistics) • respect for humanity •cross functional management

41 STATISTICAL PROCESS CONTROL (SPC) •Control chart (Peta kontrol): Metoda grafis untuk memonitor aktivitas dari suatu proses yang sedang berlangsung (Disebut juga ‘Peta Kontrol Shewart).  Garis vertikal memuat karakteristik kualitas yang akan dimonitor  Garis horizontal memuat sampel atau ukuran sampel (group)  Garis sentral (center line) memuat nilai rata-rata dari karakteristik  Garis batas atas (upper control limit) dan garis batas bawah (lower control limit) dibuat untuk membuat keputusan:

42 Rule 1: Suatu Proses diasumsikan keluar dari kontrol jika sebuah titik plot berada diluar batas kontrol atas dan kontrol bawah. Rule 2: Suatu proses diasumsikan akan keluar dari kontrol jika dari tiga t titik plot yang berurutan terdapat 2 titik plot berada di luar batas kontrol 2  (warning limit) pada sisi yang sama. Rule 3: Suatu proses diasuksikan akan keluar dari kontrol jika dari lima titik plot yang berurutan terdapat empat titik plot yang melewati batas kontrol 1  pada sisi yang sama. Rule 4: Suatu proses diasumsikan akan keluar dari kontrol jika delapan atau lebih titik plot yang berurutan berada di satu sisi dari center line. Rule 5: Suatu proses diasumsikan akan keluar dari kontrol jika delapan atau lebih titik plot yang berurutan berada di atas atau di bawah center line.

43 -Dasar Statistika Dalam Peta Kontrol * Distribusi Normal * Populasi, sampel, mean, standar deviasi X bar = Σ Xi/√n  xbar =  /√n

44 BATAS-BATAS KONTROL •CL = E (θ bar) •UCL = E (θ bar) + k SD (θ bar) •LCL = E (θ bar) – k SD (θ bar) Dimana: -θ merupakan karakter kualitas -θ bar merupakan estimator θ -SD = standar deviasi -K = jumlah SD statistik sampel dari center line

45 PETA KONTROL VARIABEL PETA X-Bar dan R-Bar * Digunakan untuk memantau proses yang mempunyai karakteristik bersifat kontinyu (data variabel) berdasarkan rata- ratanya, dengan asumsi ukuran contoh (n) kecil. •PETA X bar 3  CL = X double bar UCL = X double bar + A 2 R bar LCL = X double bar – A 2 R bar  PETA R 3  CL = R bar UCL = D 4. R bar LCL = D 3. R bar

46 PETA KONTROL X-Bar dan S * Digunakan untuk memantau proses yang mempunyai karakteristik bersifat kontinyu (data variabel) berdasarkan rata-ratanya, dengan asumsi ukuran contoh (n) besar. •PETA X Bar 3  CL = X double bar UCL = X double bar + A 3 S bar LCL = X double bar – A 3 S bar  PETA S 3  CL = S bar UCL = B 4 S bar LCL = B 3 S bar

47 PETA KONTROL X bar dan MR * Digunakan untuk memantau proses yang mempunyai karakteristik bersifat kontinyu (data variabel) berdasarkan rata- ratanya, dengan asumsi ukuran contoh (n) = 1. •PETA X bar 3  CL = X bar UCL = X bar + 2,66 MR bar LCL = X bar – 2,66 MR bar •PETA MR 3  CL = MR bar UCL = D 4 MR bar = 3,267 MR bar LCL = D 3 MR bar = 0

48 PETA KONTROL ATRIBUT PETA P 3  * Digunakan untuk mengukur proporsi ketidak sesuaian dari iyem-item dalam kelompok yang sedang diinspeksi, untuk n konstan atau berubah (variable). CL = P bar UCL = P bar + 3Sp LCL = P bar – 3 Sp Sp = √{P bar (100 – P bar) /n} ATAU Sp = √ {P bar (1 - P bar} /n}

49 PETA np 3  * Digunakan untuk mengukur proporsi ketidak sesuaian dari iyem-item dalam kelompok yang sedang diinspeksi, untuk n konstan. CL = np bar UCL = np bar + 3Snp LCL = np bar – 3 Snp Sp = √ {np bar (1 - P bar)}

50 PETA c * Digunakan untuk mengukur cacat terhadap spesifikasi- spesifikasi dari suatu item dengan ukuran contoh (n) yang konstan CL = c bar UCL = c bar + 3 Sc LCL = c bar – 3 Sc Sc = √c bar

51 PETA u * Digunakan untuk mengukur cacat terhadap spesifikasi- spesifikasi dari suatu item dengan ukuran contoh (n) > 1, baik konstan atau berubah (variable). CL = u bar UCL = u bar + 3 Su LCL = u bar – 3 Su Su = √u bar/n

52 ACCEPTANCE SAMPLING PLAN •MANFAAT SAMPLING: - Meminimasi kerugian, untuk inspeksi yang merusak - Lebih ekonomis untuk inspeksi dengan biaya tinggi, waktu yang lama dan sumberdaya yang terbatas - Dapat mengurangi kesalahan inspeksi oleh inspektor - Memperkuat motivasi untuk meningkatkan kualitas, karena setiap anggota lot/batch mungkin ditolak

53  KELEMAHAN SAMPLING -Adanya resiko menolak lot-lot yang sebenarnya baik (the producer’s risk) atau menerima lot-lot yang sebenarnya jelek (the consumer’s risk). -Berkurangnya informasi tentang produk secara keseluruhan. -Seleksi dan pelaksanaan rencana sampling membutuhkan lebih banyak waktu dan usaha untuk perencanaan dan dokumentasi

54 TIPE RENCANA SAMPLING 1.SINGLE SAMPLING PLAN 2. DOUBLE SAMPLING PLAN 3. MULTIPLE SAMPLING PLAN

55 SINGLE SAMPLING PLAN •Satu sample yang digunakan untuk memutuskan menerima atau menolak lot. •Terdiri dari parameter n (ukuran sampel) dan c (jumlah item cacat yang menjadi dasar penerimaan) •Contoh: N = 4000 n = 100 c = 2

56 •Artinya: Suatu sampel acak berukuran 100 diambil dari populasi. Jika jumlah item cacat kurang dari atau sama dengan 2 maka lot diterima, tetapi kalau lebih dari 2 maka lot ditolak.

57 DOUBLE SAMPLING PLAN •Meliputi pembuatan keputusan menerima lot, menolak lot, atau mengambil sampling kedua. Jika hasil sampling pertama dianggap ‘bagus’ maka lot diterima, jika hasil sampling pertama ‘jelek’ maka lot tersebut ditolak, dan jika berada diantara dua kondisi itu maka dilakukan sampling kedua. Kesimpulan double samping plan diambil berdasarkan kombinasi jumlah item cacat pada kedua sampling. •Parameter yang digunakan: n 1 (ukuran sampel perta-ma), n 2 (ukuran sampel kedua), c 1 (jumlah penerima-an sampel pertama, c 2 (jumlah penerimaan sampel ke-dua), r 1 ( jumlah penolakan sampel pertama, r 2 (jumlah penolakan sampel kedua).

58 •Contoh: N = n 1 = 40 n 2 = 60 c 1 = 1 c 2 = 5 r 1 = 4 r 2 = 6 Artinya: Pertama dipilih 100 unit sampel dari populasi secara acak, jika terdapat ≤ 1 item cacat maka lot diterima, jika terdapat ≥ 4 item cacat maka lot ditolak, jika cacat 2 atau 3 item maka dilakukan sampling kedua, diambil 60 sampel. Jika kombinasi item cacat sampling 1 dan 2 ≤5 maka lot diterima, jika ≥ 6 maka lot ditolak.

59 MULTIPLE SAMPLING PLAN •Tiga, empat, lima, atau lebih sampel yang digunakan untuk memutuskan menerima atau menolak lot. •Biasanya memiliki nilai n i yang sama dan cenderung kecil. •Jika sampel pertama ‘bagus’ maka lot diterima, jika ‘jelek’ maka ditolak, jika diantarannya maka diambil sampel kedua. Jika kombinasi sampel 1 dan 2 ‘bagus’ maka lot diterima dan jika ‘jelek’ maka ditolak, jika diantaranya diambil sampel ketiga, dan seterusnya.

60 Contoh: N = n 1 = 20 n 2 = 20n 3 = 20 c 1 = 0 c 2 = 1c 3 = 4 r 1 = 3 r 2 = 4 r 3 = 5 Artinya: Pertama dipilih 20 unit sampel dari populasi secara acak, jika tidak item cacat maka lot diterima, jika terdapat ≥ 3 item cacat maka lot ditolak, jika cacat 1 atau 2 item maka dilakukan sampling kedua, diambil 20 sampel. Jika kombinasi item cacat sampling 1 dan 2 ≤1 maka lot diterima, jika ≥ 4 maka lot ditolak, jika item cacat 2 atau 3 dilakukan sampling ketiga. Jika kombinasi cacat sampling 1,2,3 ≤ 4 maka lot diterima, jika ≥ 5 maka lot ditolak


Download ppt "PENGENDALIAN KUALITAS JURUSAN TEKNIK INDUSTRI UNIVERSITAS GUNADARMA JAKARTA."

Presentasi serupa


Iklan oleh Google