Peta Kendali ATRIBUT World Class

Control Chart Types Continuous Numerical Data Categorical or Discrete Numerical Data Control Charts Variables Attributes Charts Charts This slide simply introduces the various types of control charts. R X P C Chart Chart Chart Chart 2

Konsep Atribut : karakteristik kualitas yg sesuai spesifikasi atau tidak Atribut dipakai jk ada pengukuran yg tidak mungkin dilakukan ( tidak dibuat) spt : goresan,apel yg busuk, kesalahan warna, ada bagian yg hilang

Kelebihan Dapat diterapkan di semua tgkt organisasi , separtemen, pusat kerja dan mesin operasional (tgk tertinggi – terendah) Membantu identifikasi permasalahan ( umum dan detil)

Kelemahan Tdk dapat diketahui sbrp jauh ketidaktepatan dg spesifikasi tsb Ukuran sampel yg besar akan bermasalah jk pengukurannya mahal dan destruktif

Tipe Peta Kendali ATRIBUT Berdasar Distribusi BINOMIAL Kelompok pengendali unit ketidaksesuaian Dinyatakan dalam proporsi (%) Menunjukkan proporsi ketidaksesuaian dalam sampel / sub kelompok p dan np Chart

2. Berdasar Distribusi POISSON bagian ketidaksesuaian dalam unit inspeksi Berkaitan dg kombinasi ketidaksesuaian berdasar BOBOT yg dipengaruhi banyak sedikitnya ketidaksesuaian c- Chart dan u-chart

Tahapan…. Menentukan sasaran menentukan karakteristik kualitasnya (ketidaksesuaian dalam proporsi atau unit) Memilih tipe peta kendali atribut Banyaknya sampel dan observasi Pengumpulan data Penentuan BATAS KENDALI ( CL,UCL dan LCL) Interpretasi hasil (pola in/out of control) Revisi jika perlu

p/np/c Chart Structure Upper Control Limit UCL Center Line Process Mean When in Control LCL Time Lower Control Limit

Sampel SAMA…p chart Proporsi diketahui Garis Tengah = p¯

Proporsi TIDAK diketahui Sampel SAMA…p chart Proporsi TIDAK diketahui m nomer sampel (vertikal) n ukuran sampel (horisontal) D bagian tidak sesuai p¯ = ∑Di/(mn) Garis Tengah = p¯

Sampel BEDA … Metode INDIVIDU  Batas Kendali tergantung ukuran sample tertentu shg BKA/BKB tidak berupa garis LURUS Metode RATA_RATA  Ukuran sampel RATA - RATA dg perbedaan tidak terlalu besar ( n¯ = ∑n/observasi) Peta Kendali TERSTANDAR dg GT=0 dan BK ± 3

Note: If computed LCL is negative, set LCL = 0 np Chart assuming: np > 5 n(1-p) > 5 Note: If computed LCL is negative, set LCL = 0

c-chart dan u-chart Mengetahui banyaknya kesalahan unit produk sbg sampel Sampel konstan  c-chart Sampel bervariasi  u-chart Aplikasi : bercak pd tembok, gelembung udara pd gelas, kesalahan pemasangan sekrup pd mobil

C - chart Number of defects per unit: c¯ = ∑ ci / n

U-chart u¯ = ∑ ci/n n ¯ = ∑ ni/g g = banyaknya observasi Model Individu BPA-u = u¯ + 3 √ (u¯ /ni) BPB-u = u¯ - 3 √ (u¯ /ni) Model Rata-rata BPA-u = u¯ + 3 √ (u¯ /n¯) BPB-u = u¯ - 3 √ (u¯ /n¯)

Warning Conditions….. Western Electric : 1. 1 titik diluar batas kendali ( 3σ) 2. 2 dr 3 titik berurutan diluar batas kend17li (2σ) 3. 4 dr 5 titik berurutan jauh dari GT (1σ) 4. 8 titik berurutan di satu sisi GT 5. Giliran panjang 7-8 titik 6. 1/beberapa titik dekat satu batas kendali 7. Pola data TAK RANDOM

Patterns to Look for in Control Charts Ask the students to imagine a product, and consider what problem might cause each of the graph configurations illustrated.

Example………p-np chart Twenty samples, each consisting of 250 checks, The number of defective checks found in the 20 samples are listed below. (proporsi tidak diketahui) $ 115006529 25447581 1445 2655 Simon Says Augusta, ME 01227

Control Limits For a p Chart $ 115006529 25447581 1445 2655 Augusta, ME 01227 Simon Says Estimated p = 80/((20)(250)) = 80/5000 = .016 Note that the computed LCL is negative.

Tdk sesuai Proporsi 4 1 5 3 2 7 (4/250) = 0,016 (1/250) =0,004 8 6 (2/250) = 0,008 (8/250) = 0,032

Control Limits For a p Chart $ 115006529 25447581 1445 2655 Augusta, ME 01227 Simon Says p Chart for Norwest Bank 0.000 0.005 0.010 0.015 0.020 0.025 0.030 0.035 0.040 0.045 UCL Sample Proportion p LCL 5 10 15 20 Sample Number

Ukuran sampel sama = 50 ( p-chart) no Banyak produk cacat 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

n = m = D = p¯ = BKA = BKB = Tabel proporsi untuk plot ke grafik

n = 50 m = 20 D = 72 p¯ = 72 / (20.50) = .072 p = √ (0,072)(0,928)/50 = .037 BKA = 0,072 + 3(0,037) = 0,183 BKB = 0,072 - 3(0,037) = -0,039 = 0 Tabel proporsi untuk plot ke grafik

Ukuran sampel sama = 50 ( p-chart) cacat proporsi 4 2 5 3 1 (4/50 ) = 0,08 (2/50) = 0,04 10 (5/50) = 0,01 (10/50) = 0,20 (out) revisi (4/50) = 0,08 (3/50) = 0,06

Revisi p¯ = (72-10) / (1000-50) = 62/950 = 0,065 p = √ (0,065)(0,935)/50 = 0,035 BKA = 0,065 + 3 (0,035) = 0.17 BKB = 0,065 - 3 (0,035) = -0,04 = 0 Grafiknya juga berubah

Ukuran sampel beda (p chart) no sampel Produk cacat 1 2 3 4 5 6 7 8 9 10 200 180 120 300 250 400 210 380 14 17 20 18 25 30 15 11 12 13 16 19 190 390 26 24 Jml 4860 Cacat 341

Metode Rata-rata Sampel rata-rata n¯ = total sampel /observasi = 4860/20 = 243 p¯ = D/(n¯m) = 341 / (243.20) = 0,07 (CL) p = √ (0,07(0,93))/243 = 0,0164 BPAp = 0,07 + 3 (0,0164) = 0,119 BPBp = 0,07 - 3 (0,0164) = 0,021

Metode Individu Sampel rata-rata n¯ = total sampel /observasi = 4860/20 = 243 p ¯ = D/(n¯m) = 341 / (243.20) = 0,07 (CL) semua titik sama BP (obs-1) p = √ (0,07(0,93))/200 = 0,018 BPA = 0,07 + 3 (0,018) = 0,124 BPB = 0,07 - 3 (0,018) = 0,016……………….dst

Tabel Proporsi untuk Grafik No observasi sampel cacat proporsi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 200 180 120 300 250 400 210 380 190 390 25 30 26 24 0,070 0,055 0,085 0,067 … 0,095 0,050

Example…c-chart no Byknya kesalahan 1 2 3 4 5 6 7 8 9 10 16 11 12 13 14 15 17 18 19 20

c¯ = ∑c/n = 152/20 = 7,6 BPA c = (7, 6) + 3 (√7,6) = 15,87 BPB c = (7, 6) - 3 (√7,6) = -0,67 = 0

Example…u-chart no Sampel cacat sampel 1 2 3 4 5 6 7 8 9 10 20 30 25 15 14 12 11 13 16 17 18 19

Metode Rata-rata Sampel Rata-rata u¯ = 192/415 = 0,462 (CL) n¯ = 415/20 = 20,75 BPAu = (0,462) + 3 √ (0,462/20,75) = 0,906 BPBu = (0,462) - 3 √ (0,462/20,75) = 0,018

Metode Individu Sampel Rata-rata u¯ = 192/415 = 0,462 (CL) Batas Kendali Observasi -1 BPA-1 = (0,462) + 3 √ (0,462/20) = 0,916 BPB-1 = (0,462) - 3 √ (0,462/20) = 0,008…….dst