8-Nov-18 QUALITY CONTROL 8-Nov-18 Rodeyar S.Pasaribu

1. Statistical process control Proses pengendalian dengan statistika (Statistical process control) mengembangkan apa yang disebut diagram kontrol (control diagram) Dengan maksud untuk melihat variasi atau fluktuasi antara nilai sebenarnya dengan nilai yang diharapkan, dan apakah masih dalam batasan yang normal atau terkendali dalam suatu proses produksi 8-Nov-18

Statistical process control Tujuan dari Statistical process control adalah untuk mengontrol mutu barang dan jasa yang dihasilkan sesuai dengan ketentuan . Hal ini dilakukan dengan menggunakan sampling. Untuk menentukan apakah suatu nilai masih dalam batas kendali atau tidak, dikenal dengan diagram kontrol. 8-Nov-18

Batas kontrol mutu (LCL dan UCL) = rata-rata  3  68,26% 96,44% 97,74% -3 -2 -1 +1 +3  +2 Batas kontrol mutu (LCL dan UCL) = rata-rata  3  LCL= lower control limit UCL=upper control limit Batas kepercayaan 99,74 % menunjukkan bahwa apabila ada pengisian 1000 gelas air maka akan ada 997 gelas pada kisaran interval LCL sampai UCL 8-Nov-18

2. Control Charts for process Means. Salah satu diagram control untuk menampilkan fluktuasi rata-rata sampel dari proses produksi adalah Diagram rata-rata Diagram ini berfungsi melihat batas bawah dan batas atas nilai rata-rata setiap pengambilan sampel, apakah dari setiap sampel tersebut normal atau tidak Dimana batas bawah (lower control limit= LCL) dan batas atas (upper control limit = UCL), dicari dengan rumus : 8-Nov-18

UCL = X + A2R dan LCL = X - A2R Dimana : UCL = upper control limit dan LCL = lower control limit X = Nilai tengah diagram atau rata rata dari rata-rata. A2 = Faktor peta kendal dan R = Nilai rata rata rentang. 8-Nov-18

Contoh: Misalkan anda sebagai produsen air mineral yang menghasilkan ribuan gelas setiap hari. Setiap gelas berisi 240 ml air. Untuk menjamin mutu dan memastikan bahwa isi air dalam gelas masih dalam batasan normal dilakukan 5 kali pengambilan sampel dan setiap pengambilan ada 4 gelas sampel. Berikut adalah data yang diperoleh. 8-Nov-18

Ex. 4 Gelas Auqa sebagai sampel Jam Gelas sampel 1 2 3 4 07.00 241 243 242 11.00 239 240 16.00 244 21.00 246 238 02.00 8-Nov-18

Langkah pertama adalah mencari rata-rata dari rata-rata Jam Gelas sampel Rata-rata 1 2 3 4 07.00 241 243 242 241,75 11.00 239 240 240,05 16.00 244 241,05 21.00 246 238 240,00 02.00 239,25 Rata-rata dari rata-rata. 1205/5 = 241 8-Nov-18

Langkah kedua, adalah menghitung rata-rata rentang ( nilai tertinggi dikurang nilai terkecil) dari seluruh sampel Jam Tertinggi Terendah Rentang (R) 07.00 243 241 2 11.00 239 5 16.00 244 4 21.00 246 238 8 02.00 240 1 Rata-rata rentang 20/5=4 8-Nov-18

Langkah ketiga adalah menghitung UCL dan LCL UCL = X + A2R UCL = 241 + 0,729 (4) = 243,96 0,729 dari tabel Kendal, dengan n=4 dan peta rata-rata untuk A2 LCL = X - A2R LCL = 241 - 0,729 (4) = 238,08 8-Nov-18

Sehingga bentuk diagram rata-rata controlnya adalah sbb: 243 241 238 07.00 11.00 16.00 21.00 02.00 Dari diagram diatas, pengisian air masih dalam batas normal 8-Nov-18

3. Control Charts for process variability. Untuk melihat variasi atau keragaman dari rentang sampel digunakan diagram rentang (Control Charts for process variability). Dimana nilai UCL dan LCL dicari dengan rumus sbb: UCL = D4R LCL = D3R R = Nilai rata rata rentang dan D4 , D3 = Faktor peta kendal diagram kontrol 8-Nov-18

Contoh diagram rentang Jam Volume air dalam gelas Rentang 1 2 3 4 Tinggi Rendah Beda 07.00 241 243 242 11.00 239 240 5 16.00 244 21.00 246 238 8 02.00 Rata-rata rentang (R) =  R/n 20/5 = 4 8-Nov-18

Nilai 2,11 dan 0 dilihat dari tabel faktor peta kendal UCL = D4R = 2,11 x 4 = 8,46 LCL = D3R = 0 x 4 = 0 Nilai 2,11 dan 0 dilihat dari tabel faktor peta kendal Dari nilai diatas, bila nilai rentang (selisih nilai tertingi dengan terkecil) antara 0 s/d 8,46, dikatakan proses produksi masih berjalan normal. Dari diagram berikut tampak bahwa siklus pada malam hari yaitu jam 21 dan 02 lebih besar dari siang hari. 8-Nov-18

Grafik rentang Volume air minum 8 6 4 2 07 11 16 21 02 8-Nov-18

4. Control Charts for atributes Pengendalian dengan diagram atribut (Control Charts for atributes) adalah diagram kontrol yang dapat diklasifikasikan secara dikotomi. Misalnya baik memenuhi syarat atau tidak. Usaha yang layak atau tidak. Diagram ini dinamakan juga diagram proporsi karena menunjukkan suatu proporsi. Untuk menentukan batas bawah dan batas atas dicari dengan rumus sbb : 8-Nov-18

UCL = Þ+3Þ(1- Þ)/n dan LCL = Þ-3Þ(1- Þ)/n Dimana:Þ= rata-rata proporsi ke-cacat-an dan n = banyaknya sampel Contoh.Misalkan anda sebagai kepala Quality control di pabrik sepatu,yang menggunakan mesin pemotong dengan ketepatan 0,1 cm. Apabila potongan > 0,1 Cm maka dianggap “cacat”. Berikut adalah jumlah yang cacat selama satu hari dalam 3 shift kerja. Dengan menggunakan Control Charts for atributes, apakah kondisi proses produksinya normal atau tidak? Jika jumlah yang cacat selama satu hari sbb: 8-Nov-18

Ex.Jumlah cacat Jam shift Produksi Jumlah yang cacat 07.00 – 1–5.00 1760 48 15.00 – 23.00 1026 13 23.00 – 07.00 1101 52 8-Nov-18

Langkah 1. menghitung proporsi rata-rata Jam shift Produksi Jumlah yang cacat Proporsi 07.00 – 1–5.00 1760 48 48/1760 = 0,03 15.00 – 23.00 1026 13 13/1026 = 0,01 23.00 – 07.00 1101 52 52/1101 = 0.05 Þ= p/n = (0,03+0,01+0,05)/3 = 0,03 8-Nov-18

Langkah 2. Menghitung nilai LCL dan UCL 8-Nov-18 Langkah 2. Menghitung nilai LCL dan UCL UCL = Þ+3Þ(1- Þ)/n = 0,03 + 3 0,03(1-0,03)/3 = 0,32 LCL = Þ-3Þ(1- Þ)/n = 0,03 - 3 0,03(1-0,03)/3 = -0,261 Dari nilai LCL dan UCL diatas, proporsi yang cacat antara -0,261 sampai 0,32 dapat dikatakan normal. Apabila diluar interval tersebut tidak normal. Dari data didapat bahwa proporsi terkecil adalah 0,01 dan terbesar adalah 0,05, dimana kedua nilai ini berada dibawah 0,32 dan diatas - 0,261, sehingga [proses produksi berjalan normal 8-Nov-18 Rodeyar S.Pasaribu