QC Seven Tools Oleh Hazairin Darmis.

Slides:



Advertisements
Presentasi serupa
Handout Analisis & Pengukuran Kerja
Advertisements

Control chart for Variabel
MODUL 1 Analisis & Informasi Proses Bisnis (CSA221)
PROSES PENELITIAN, MASALAH, VARIABEL DAN PARADIGMA PENELITIAN
6 EVALUASI HASIL.
DIAGRAM SEBAB AKIBAT (DIAGRAM TULANG IKAN)
SEVEN TOOLS.
Nama: Edgar S. Prakoso NPM : RESUME JURNAL
Directorate General of Higher Education Ministry of National Education
KONSEP & PEMANFAATAN SEVEN BASIC QUALITY TOOLS Sukma | P2CC10 Woro Yuliyastiningrum | P2CC10028 Dianita P | P2CC10 Diana | P2CC10.
Dikerjakan Oleh : Nama : Roma Mulyana Npm :
METODOLOGI SIX SIGMA PERTEMUAN 6 MEASURE PHASE (2)
PENGENDALIAN & PENJAMINAN MUTU RESUME JURNAL
STATISTIK I (DESKRIPTIF) MKF
OLEH IR. INDRAWANI SINOEM, MS
Ukuran Variasi atau Dispersi
RALLABANDI SRINIVASU, G. SATYANARAYANA REDDY , SRIKANTH REDDY RIKKULA
TOTAL QUALITY MANAGEMENT DI DALAM PROSES PENGEMBANGAN SOFTWARE
PENGERTIAN UMUM PERANAN STATISTIK 1. Peranan statistik
Directorate General of Higher Education Ministry of National Education
PENGENDALIAN KUALITAS - PERTEMUAN 07 -
Oleh : Andhika Kurniawan ( ).  Abstrak Kualitas telah menjadi salah satu hal paling penting bagi pelanggan dalam faktor pengambilan keputusan.
1. Statistika dan Statistik
Kuliah ke- 4 Peta Kontrol untuk Data Variabel
Pengolahan data dan Penyajiannya
DIAGRAM SEBAB AKIBAT (DIAGRAM TULANG IKAN/FISHBONE CHART)
SEVEN TOOLS DALAM PENGENDALIAN KUALITAS
Aspek kuantitatif mutu
7 Tools (Tujuh Alat Pengendalian Kualitas)
Intervensi Tingkat Proses 23 February 2016
STATISTIK DESKRIPTIF.
PENGOLAHAN DATA DAN PENYAJIAN DATA
PENGENDALIAN KUALITAS - pertemuan 05 -
Tugas Jurnal Disusun Oleh : Irfan Muhammad
PENGENDALIAN KUALITAS
MODUL 10. PENGANTAR TEKNIK INDUSTRI
Nama : Dhita Deliarwan NPM : Teknik Industri “B”
pengendalian kualitas dalam proses.
ALAT-ALAT PENGENDALIAN KUALITAS (1)
PENGENDALIAN MUTU PROSES PADA PRODUK-PRODUK OLAHAN
DIAGRAM STRATIFIKASI (STRATIFICATION DIAGRAM)
Aspek kuantitatif mutu
Resume Jurnal Pengendalian Kualitas
Pengendalian & Penjaminan Mutu
PROSES PENELITIAN, MASALAH, VARIABEL DAN PARADIGMA PENELITIAN
7. Penyajian Data TABEL GRAFIK.
PENGENDALIAN KUALITAS
? 1. Konsep Statistika STATISTIKA : Kegiatan untuk : mengumpulkan data
ANALISA STATISTICAL QUALITY CONTROL DALAM PENENTUAN PENGAWASAN KUALITAS PRODUK ROKOK PADA PT. GANDUM)
Statistik deskriptif Pokok bahasan : 1. Pengumpulan, pengorganisasian, dan penyajian data 2. Distribusi frekuensi dan presentasi grafik 3. Ukuran pemusatan.
Peta X dan R Peta kendal X :
PENYAJIAN DATA EPIDEMIOLOGI
METODE PENELITIAN KORELASIONAL
Pengendalian Kualitas Dani Leonidas Sumarna. MT
PENDAHULUAN.
STATISTIK DESKRIPTIF Penajian data.
MANAJEMEN KUALITAS ERLIN TRISYULIANTI.
Statistik Dasar Kuliah 8.
TINJAUAN UMUM DATA DAN STATISTIKA
Nama Anggota : Fahmil Ramdhan Nurhadi Budiharto
8-Nov-18 QUALITY CONTROL 8-Nov-18 Rodeyar S.Pasaribu.
1. Pengantar Statistik 2. Penyajian dan Penanganan Data
DIAGRAM HISTOGRAM. Kelompok 1 1.DESSY DWI CAHYANI 2. MARYAM SEYASKI FITRIA 3. RAHMAIDA SARI.
Studi Kasus Produksi Galon
7 Alat PerbaikanKualitas
Analisis KORELASIONAL.
STATISTIK DESKRIPTIF.
MATERI V DIAGRAM SEBAB AKIBAT
KELOMPOK 3 1. ARI ROHMAN 2. IHSANUDN 3. IRFAN AFANDI 4. YANA AJI 5. YOPI JIANTO.
DIAGRAM SEBAB AKIBAT (DIAGRAM TULANG IKAN) BERGUNA UNTUK MENENTUKAN FAKTOR-FAKTOR YANG BERAKIBAT PADA SUATU KARAKTERISTIK KUALITAS. DIAGRAM INI MENUNJUKKAN.
Transcript presentasi:

QC Seven Tools Oleh Hazairin Darmis

Pengertian Mutu Produk Biaya Pengiriman Pelayanan Keselamatan, dll Definisi mutu yang umum adalah tingkat kesesuaian dengan persyaratan, atau lebih luas dijabarkan “mutu adalah kesesuaian dengan persyaratan pelanggan” Produk Biaya Pengiriman Pelayanan Keselamatan, dll

DATA DAN LEMBAR PERIKSA

Data dan Interpretasinya FAKTA DATA Dapat mengungkapkan fakta secara lengkap Sesuai dengan fakta yang sebenarnya

Sebab Kesalahan Data“Gordon B Davis” Kesalahan dalam pengukuran data Kesalahan dalam metoda pengumpulan Kesalahan pencatatan/koleksi data Kesalahan dalam proses pengolahan data

Guna pengumpulan data Membantu memahami situasi sebenarnya Menganalisa persoalan Mengendalikan proses/pekerjaan Mengambil keputusan Membuat rencana atau perbaikan

Jenis data Data hasil pengukuran – panjang, berat, waktu, dll Data hasil perhitungan – jumlah copy, jumlah kerusakan, dll Data urutan – pertama, kedua, dst Data derajat/tingkatan – nilai 1, nilai 2, dst Data hubungan kepentingan relatif – O/X, ya/tidak

Hal yang perlu diperhatikan dalam pengumpulan data Sasaran pengumpulan data harus jelas Stratifikasi data sesuai kebutuhan Riwayat pengunpulan data Metode pengumpulan data Data diambil dari berbagai sumber dan mudah

Kesalahan data (data error) Kesalahan pengukuran data Alat ukur Metoda pengukuran Petugas pengukuran Kesalahan metoda pengumpulan Kesalahan pencatatan data Kesalahan pengelolaan data Tidak tepat cara pengolahan Ketidakmampuan pengolah data Ketidak tepatan alat yang dipakai

Validitas data Tujuan pengumpulan jelas Riwayat data jelas Alat yang dipakai memadai Metoda pengukuran tepat Ketrampilan petugas Metode pengumpulan tepat

Lembar periksa (check sheet) Lembaran yang berisi catatan tentang kegiatan atau kejadian dalam jangka waktu tertentu Perhatikan: Sebaiknya dibuat satu lembar Dibuat standar untuk seluruh bagian Cara pengisian harus mudah Memuat informasi yang dibutuhkan Ruang kosong untuk catatan penting

Fungsi lembar periksa Menyajikan data yang berhubungan dengan lembar produksi Menyajikan data yang berhubungan dengan jenis-jenis kerusakan Menyajikan data yang berhubungan dengan tempat-tempat kerusakan Menyajikan data yang berhubungan dengan penyebab kerusakan Menyajikan data yang berhubungan dengan hasil test

VARIABLE DAN ATRIBUT

Variable Ukuran atau besaran yang dapat diukur, yang menunjukan karakteristik mutu Ciri-ciri: Kuantitatif (ada satuannya) Obyektif (berlaku umum) Panjang, lebar, tinggi, diameter, sudut, kekuatan tarik, kekerasan, berat, dll

Kemasan penyok, label miring/sobek, Bintik-bintik, Goresan, dll Atribut Merupakan pernyataan mutu pada suatu barang yang hanya menunjukan apakah barang tersebut dapat diterima/ditolak Ciri-ciri: Hanya buruk atau baik Judgement subyektif Tidak diperlukan ketepatannya Kemasan penyok, label miring/sobek, Bintik-bintik, Goresan, dll

DIAGRAM PARETO (PARETO DIAGRAM)

Menunjukan jenis persoalan utama Membandingkan terhadap keseluruhan Diagram Pareto Adalah diagram yang dipakai untuk memudahkan/menentukan faktor utama dan urutannya daru suatu masalah (prioritas masalah) Menunjukan jenis persoalan utama Membandingkan terhadap keseluruhan Tingkat perbaikan Membandingkan sebelum dan sesudah perbaikan. Sebagai langkah pertama perbaikan Digunakan di semua aspek Memajukan hasil suatu tindakan

HASIL PEMERIKSAA N PRODUK ALM Langkah membuat Diagram Pareto HASIL PEMERIKSAA N PRODUK ALM PERIODE APRIL 2001 JUMLAH PRODUK 2000 PCS PCS 200 150 100 50 % 100 75 50 25 SEBAIKNYA ANDA MENCOBA SILAHKAN ADA PERTANYAAN ?? GORES PATAH BENGK. PENYOK

DIAGRAM SEBAB AKIBAT (FISHBONE DIAGRAM)

Hal penting dalam pembuatan diagram Diagram sebab akibat/fish bone adalah diagram yang menunjukan kumpulan dari kelompok sebab-sebab yang disebut sebagai faktor serta akibat yang timbul karenanya yang disebut karakteristik mutu Hal penting dalam pembuatan diagram Faktor yang berpengaruh pada karakteristik mutu Berdiri sendiri Sumbang saran 4M dan 1L

Kegunaan Diagram Tulang Ikan Alat pelatihan Mengarahkan diskusi Petunjuk pengumpulan dan pencatatan data Mengukur tingkat kemampuan pekerja

Langkah membuat Diagram Tulang Ikan 1. Tentukan masalah yang akan diperbaiki/diamati 2. Carilah faktor-faktor utama yang berpengaruh 3. Carilah lebih lanjut faktor yang lebih rinci yang mempunyai akibat fada faktor utama (5Why) 4. Carilah penyebab utama dari diagram yang sudah lengkap

METODE MANUSIA BELUM BISA ANALISA BARU BLM PENGALAMAN MALAS BLM TAHU TAHAPAN QCC TDK MAMPU BERKUMPUL QUALITAS QCC MENURUN TDK ADA LAGI BIMBINGAN LUAR TDK JALAN MESIN LINGKUNGAN MATERIAL

Macam-macam metode pembuatan Diagram Tulang Ikan 1. Tipe analisis dispersi 2. Tipe klasifikasi proses produksi 3. Tipe perhitungan penyebab

HISTOGRAM

Histogram adalah satu teknik pengendalian proses yang dapat membantu kita dalam identifikasi masalah yang mungkin terjadi dalam peningkatan mutu Histogram adalah suatu jenis grafik khusus yang menggambarkan penyebaran data sebagai suatu hasil satu macam pengukuran dari suatu proses. Biasanya grafik ini terdiri dari sejumlah balok yang berdampingan atau dengan garis

Setiap sabun Lux yang diproduksi harus memenuhi spesifikasi berat minimal 100 gram dan paling berat 105 gram. Histogram diatas menggambarkan penyebaran dta berat 50 batang sabun Lux yang dipilih secara random spesifikasi Keterangan: Kelompok – Batch 5 Tgl 12 Feb 1993 N=50 100 101 102 103 104 105 106 107

Langkah pembuatan Histogram (1) Kumpulkan data yang ada mengenai situasi yang akan dianalisa Pelajari luas lot atau populasi (N). Tentukan jumlah sample yang dipilih Pilih sample yang memwakili populasi dengan menggunakan teknik sampling Tuliskan data sample pada lembar periksa

Langkah pembuatan Histogram (2) Temukan data maximum = XL Temukan data minimum = XS Tentukan Range = XL – XS Tentukan jumlah kolom/Jumlah Kelas yang akan digambar (normal 7 – 10 kolom) atau sesuai tabel atau dengan rumus n(jml data) Tentukan Lebar Kelas (i) dengan rumus i = R/Jumlah Kelas Buat kolom sesuai jumlah kelas

Langkah pembuatan Histogram (3) Masukan data pada kelas yang ada dan hitung frekuensinya Gambarlah Histogramnya Tambahkan keterangan pada histogram Hitung rata-rata (x), untuk koefesien 0 Hitung standar deviasi dengan rumus.

Petunjuk penggunaan Histogram Dapat digunakan untuk membandingkan proses yang terjadi dengan persyaratan yang ditetapkan Dapat digunakan bersama Peta Kendali  perkembangan data lebih jelas Dapat digunakan untuk memperbaiki proses. Dapat menunjukan kondisi kemampuan proses yang ada  startifikasi

PETA KONTROL (CONTROL CHART)

Peta Kontrol Adalah suatu peta yang digunakan untuk mengendalikan proses, merupakan grafik garis dengan mencantumkan batas maksimum dan minimum yang merupakah batas daerah pengendalian

Peta Kontrol Peta X UCL (upper control limit) CL (center line) LCL (lower control limit) 1 2 3 4 5 6 7 Interval waktu pengamatan

Jenis Peta Kontrol Peta Kontrol data varibale Peta kontrol X – R Peta Kontrol data atribut Peta kontrol p, c, dan u

Penggunaan Peta Kontrol Mengendalikan proses melalui keluaran proses tersebut agar dicapai keluaran proses yang konsisten terhadap spesifikasi Peta Kontrol variable digunakan untuk mengendalikan proses dimana karaktristik mutunya bersifat variable Peta Kontrol atribut digunakan untuk mengendalikan proses dimana karakteristik mutu yang dikendalikan bersifat atribut

Langkah pembuatan Peta Kontrol X – R (1) Pesiapan Menentukan sasaran Pemilihan variable Pemilihan sample dan cara sampling Menentukan besar dan frekwensi sample Membuat check sheet Menentukan metoda pengukuran Melakukan pengukuran Membagi data dalam sub grup

Langkah pembuatan Peta Kontrol X – R (2) Mentabelkan data hasil pengukuran Menghitung harga X dari sub grup Menghitung harga R dari sub grup Mengitung harga X dan R Mengitung UCL dan LCL

Langkah pembuatan Peta Kontrol X – R (3) Peta Kontrol R UCL = X + A2.R LCL = X – A2.R CL = X UCL = D4.R LCL = D3.R CL = R [NILAI A2, D3 DAN D4 LIHAT TABLE]

DIAGRAM TEBAR (SCATER DIAGRAM)

Dalam menganalisa data, terdapat kemungkinan adanya hubungan antara satu kelompok data dengan kelompok data lainnya. Hubungan tersebut dapat sangat erat, kurang erat, atau tidak ada hubungan sama sekali

Contoh: Apakah ada hubungan antara jumlah promosi dengan jumlah penjualan Apakah ada hubungan antara pelatihan dengan peningkatan ketrampilan karyawan Apakah ada hubungan antara jumlah latihan dengan peningkatan prestasi atlit, dll

Diagram Tebar Diagram Tebar adalah suatu diagram yang menggambarkan korelasi/hubungan antara dua kelompok variable data

Langkah pembuatan Diagram Tebar (1) Kumpulkan data yang ingin diteliti hubungannya Buat sumbu X dan Y Sumbu X untuk variable X, biasanya dinamakan variable bebas  penyebab variable tidak bebas Sumbu Y untuk variable Y, biasanya variable tidak bebas

Langkah pembuatan Diagram Tebar (2) Plotkan data pada diagram tebar yang telah dibuat Titik (—) merupakan koordinat X dengan Y, jika ada dua data nilainya sama maka diplot jika tiga nilai sama maka diplot

Interpretasi Diagram Tebar (1) Korelasi positif Y akan naik jika X naik, jika X dikendalikan Y juga akan terkendali Kecenderungan korelasi positif Jika X naik, Y cenderung naik, akan tetapi mungkin ada faktor lain yang berpengaruh Y Y X X

Interpretasi Diagram Tebar (2) Tidak ada korelasi Y X

Metoda analisa Metoda median Metoda Statistik Menghitung jumlah data pada median X dan Y, dan mencocokan dengan tabel Metoda Statistik Menggunakan rumus R = 1, hubungan sangat erat R = 0.9,  81% variasi Y disebabkan oleh X R = 0.8,  64% variasi Y disebabkan oleh X R = 0.3,  9% variasi Y disebabkan oleh X

Komputasi Kemampuan Proses Capability Process Komputasi Kemampuan Proses

Kemampuan Proses (Process Capability Index – Cp) USL - LSL Cp = 6 σ Cp = Process Capability USL = Upper Specification Limit (batas spesifikasi atas) LSL = Lower Specification Limit (batas spesifikasi bawah) σ = Standar deviasi ( R/d2 )

Indeks Kemampuan Proses (Process Capability Index – Cpk) Cp index (Cpk) mengukur kemampuan potensial, dengan bersumsi bahwa rata-rata proses adalah sama terhadap titik tengah dari batas spesifikasi dan proses dilakukan dalam kendali statistik, sebagimana rata-rata sering tidak pada titik tengah, sangat berguna untuk memiliki indeks kemapuan (capaibility index) yang menggambarkan kedua variasi dan lokasi dari rata-rata proses.

Indeks Kemampuan Proses (2) (Process Capability Index – Cpk) Cpk = min CPU, CPL X – LSL USL – X CPL = CPU = 3σ 3σ X = Rata-rata proses LSL = Lower Specification Limit (Batas Spesifikasi Bawah) USL = Upper Specification Limit (Batas Spesifikasi Atas) σ = Standar deviasi (R/d2)

3. Taguchi Capability Index (Cpm) Cpm Digunakan untuk menghitung kedekatan rata-rata proses terhadap target (T) Cpm = USL - LSL 6 σ2 + (μ – T)2

The end …