Upload
supry-ady
View
77
Download
6
Embed Size (px)
Citation preview
PENGENDALIAN KUALITAS
Definisi Kualitas :
* Kualitas adalah ukuran tingkat kepuasan konsumen dalam
menggunakan produk atau jasa.
* Kualitas adalah ukuran tingkat kesesuaian suatu produk atau jasa
dengan tujuan pemakaiannya ( Fitness for use )
* Kualitas adalah ukuran tingkat kesesuaian produk atau jasa dengan
spesifikasi yang telah ditetapkan.
Karakteristik Kualitas :
Karakteristik kualitas adalah semua parameter yang menentukan atau
berpengaruh terhadap tingkat kesesuaian produk atau jasa dengan
tuyjuan produk atau jasa tersebut.
Jenis Karakteristik Kualitas :
* Phisic : Panjang, berat, tegangan, Viskositas, kekuatan, kekerasan
, dsbnya.
* Sensory : Rasa, tampilan, bau, warna, dsb.
* Time Orientation : reliability, maintainability, serviceability,
deliveryability, dsb.
Sifat karakteristik kualitas tersebut dapat dikelompokkan sebagai
parameter diskrit dan parameter Kontinu ( Variable ).
Statistik Pengendalian Kualitas :
Adalah : Kegiatan atau metoda pengendalian kualitas produk / jasa agar
sesuai dengan spesifikasi yang telah ditetapkan dengan menggunakan
konsep statistik.
Tujuan Pengendalian Kualitas :
1. Memperoleh jamianan kualitas produk / jasa ( Quality Assurance –
Acceptance Sampling )
2. Menjaga konsistensi kualitas produk / jasa ( Statistical process
Control – peta kontrol )
3. Peningkatan kualitas ( Quality Improvement – Quality Circle )
PROSES PRODUKSI DAN PENGENDALIAN KUALITAS
Faktor produksi :
1. Material
2. Mesin / tool
3. Operator
4. Sistem Kerja.
BAHAN BAKU PROSES PRODUK / JASA
MESIN
SISTEM
OPERATOR
I. REVIEW KONSEP STATISTIKA
A. Konsep Dasar
- Ruang sampel ( S ) adalah gugus semua hasil yang mungkin dari suatu percobaan statistika.
- Populasi adalah kumpulan ( Set ) kejadian ( Event ) yang mungkin terjadi.
- Sampel adalah bagian dari populasi yang diambil acak ( Random sampling )
- Data adalah nilai yang diberikan terhadap sampel yang diambil.- Data Kontinue- Data Diskrit
- Event ( kejadian ) adalah himpunan bagian dari ruang sampel.
Sampel
Data
B. Mutually Exclusive Events ( Kejadian Sederhana )
- Tidak Mungkin pada saat yang bersamaan
- Jika kita melemparkan sebuah koin, kita tidak akan
mendapatkan kepala dan ekor secara bersamaan.
- Jiak E1 dan E2 Mutually Exclusive maka :
PE1 or PE2 = P E1 + P E2
C. Not Mutually Exclusive Events ( Kejadian Majemuk )
Populasi
S
- Merupakan gabungan beberapa kejadian sederhana
- Di Surabaya mungkin terjadi hujan ( H ) atau Panas ( P )
atau Hujan dan Panas pada hari yang sama, Jika PH = 0,7
dan PP = 0,4. Berapah probabilitas terjadi kedua-duanya.
Kita asumsikan bahwa kombinasi terjadinya hujan dan
panas 0,2 ( P H dan P ).
Maka : P H or P = PH + PP - P H dan P
D. Independent Events- Kejadian E1 Dikatakan bebas terhadap kejadian E2, Jika
kejadian E1 tidak saling mempengaruhi terhadap kejadian E2.
PE1 and E2 = PE1 x P E2
E. Conditional Probability- Kejadian E2 dikatakan bersyarat jika tergantung pada
kejadian E1
- Probabilitas E2 yang bersyarat dinotasikan dengan P E2/E1
- Maka :
PE1 and E2 = PE1 x PE2 / E1
F. Probability Distributions
1. Distribusi Peluang Diskrit- Distribusi Binomial
P (x) = Px ( 1 - P ) n-x
μ = n p
σ 2 = n p ( 1 – p )
- Kumulatif Probabilitas Distribusi Binomial
P ( a ≤ x ≤ b ) =
= Px ( 1 – P ) n - x
contoh : Sampel n = 50 Berapa Probabilitas terdapat max 4 buah x
dalam sampel ?
Solusi :n = 50b = 4 ; a = 0
P ( 0 ≤ x ≤ 4 ) = ( 0,2 )x ( 1 – 0,2 ) 50 - x
= ( 0,2 )0 ( 1 – 0,2 ) 50 – 0 +
( 0,2 )1 ( 1 – 0,2 ) 50 – 1 +
( 0,2 )2 ( 1 – 0,2 ) 50 – 2 +
( 0,2 )3 ( 1 – 0,2 ) 50 – 3 +
( 0,2 )4 ( 1 – 0,2 ) 50 – 4
- Distribusi Poisson
P (x) = e –λ λ x X!
μ = n p
σ 2 = λ
- Kumulatif Distribusi Poisson
P ( a ≤ x ≤ b ) = e –λ λ x
X!
Contoh : P = 5 % n = 80 P (1 ≤ x ≤ 3 ) = ....?
Solusi :
λ = n .p = 5 % x 80 = 4
P ( 1 ≤ x ≤ 3 ) = e –4 λ x
X!
2. Distribusi Peluang Kontinu
- Distribusi Normal
f (x) = e -1/2
μ = μ
σ 2 = σ 2
Tranformasi ke skala Z
Z =
G. Ukuran statistika
1. Ukuran Central Tendency
- Harga Rata-rata ( Mean )
- Rata-rata hitung ,
=
- Rata – rata Geometric , X geo
X geo =
- Harga Median, Med
Med = X n + ½ untuk ganjil
Med = X n/2 + X ( n/2 ) + 1 Untuk genap 2
- Harga Modus, Mod
Mod = X i ( Harga dengan frekwensi terbanyak )
2. Ukuran Variability
- Momen ke k terhadap mean , μk
μk =
μ1 = 0 ; μ2 = n var
Range, R = X max – X min
- Variancy – Standart Deviasi ( SD ) / RMS
Var =
SD =
- SemiQuartile Range , Q
Q = ( Q3 – Q1 ) / 2
3. Ukuran Bentuk
- Koefisien Skewness,
= (μ 32 / μ 2
2 ) 1/2
= 0 , untuk distribusi simetri
- Koefisien Kurtosis,
= (μ 4 / μ 22 ) - 3
= 0, untuk distribusi bentuk lonceng
MODEL DISTRIBUSI PROBABILITAS
1. Distribusi Probabilitas untuk data diskrit
- Distribusi Hypergeometric
P (x) =
μ =
σ 2 =
- Distribusi Binomial
P (x) = Px ( 1 - P ) n-x
μ = n p
σ 2 = n p ( 1 – p )
- Distribusi Poisson
P (x) = e –λ λ x X!
μ = n p
σ 2 = λ
- Distribusi Pascal
P(x) = pr (1 – p ) x-r
μ =
σ 2 =
2. Distribusi Probabilitas untuk tipe data Kontinu
- Distribusi Normal
f (x) = e -1/2
μ = μ
σ 2 = σ 2
- Distribusi Eksponensial
f(x) = λ e - λx
μ =
σ 2 =
- Distribusi Gamma
f(x) = ( λ x )r-1 e - λx
λ > 0, r > o dan r = Shape Parameter
μ =
σ 2 =
- Distribusi Weibull
f (x) = exp
x > γ
μ =
σ 2 =
- Distribusi Chi - Square
f ( X2) =
z = , untuk σ = 1 , μ = 0
X k2 = Z12 + Z2
2 + ....+ Zk2
μ = k
σ 2 = 2k
- Distribusi t - Student
tk =
f(t) =
μ = 0 t =
σ 2 = k / ( k – 2)
- Distribusi F
F =
h(F) =
0 < F < ∞
II. ACCEPTANCE SAMPLING (Sampling Penerimaan)
2.1. Umum
2.2. AS Attribute
1. Single Sampling Plan
2. Double Sampling Plan
3. Military Std 105-D
4. Sequential Sampling Plan
5. Chain & Continues Sampling Plan
6. Rectifying Inspection
2.3. AS Variable
1. Sampling Plan dengan Variability Diketahui
2. Sampling Plan dengan Variability Tidak Diketahui
3. Military Std. 414
4. Sequential Sampling Plan
2.1. Umum
1) Pengertian
AS ~ Metode/cara pengambilan keputusan apakah suatu lot product/jasa
dapat diterima (mempunyai mutu sesuai dengan yang ditetapkan)
atau ditolak dengan cara sampling.
Exp.
Lot Product Sample (n)
Lot terima bila X < C
X = Produk cacat dalam sample
C = batasan penerimaan (krtiteria penerimaan)
Lot terima bila
= harga rata-rata karakteristik mutu dalam
sample
L = Batas minimal harga karaktersitik mutu yang
dianggap baik
= Standard Deviasi
K = Kriteria penerimaan
n dan C atau n dan K
Disebut Sampling plan / rancangan sampling
N = 10000
ASA ttribute
ASVariable
2) Tujuan / Manfaat
Tujuan/manfaat : Memperoleh Jaminan Mutu (Quality Assurance) bagi
produk/jasa yang diterima/dipasarkan.
3) AQL, , LTPD,
AQL (Acceptance Quality Level) ialah tingkat mutu terjelek (dalam
fraksi cacat/% cacat ) yang dapat diterima dalam proses produksi.
Rata-rata mutu produk
2 (Producen Risk) ialah Resiko yang dapat ditanggung oleh produsen
terhadap kemungkinan lot produk di tolak meskipun mutu produk
sama dengan harga AQL yang ditetapkan.
= probabilitas lot produk baik di tolak
LTPD (Lot Toleransi Percent Detective) ialah tingkat mutu terjelek
yang dapat ditoleransi oleh konsumen pada batas tingkat
kemungkinan penerimaan tertentu (). (konsumen risk) yaitu
tingkat resiko yang dapat diterima/ditanggung oleh konsumen
terhadap kemungkinan lot produk di terima mempunyai tingkat mutu
yang sama dengan harga LTPD.
= Probabilitas produk jelek diterima (error type II)
Lot Product Sample (n)
P’ = AQL Probabilitas lot terima = 1-
P’ = LTPD Probabilitas lot diterima =
4) Operating Characteristic Curve (OC-Curve) untuk Sampling Plan
Proses Produk
Jasa
ASAS
Produk
Bahan baku
P’
OC-Curve ~ Kurva yang menggambarkan probabilitas diterima suatu lot
dengan tingkat mutu yang berubah-ubah oleh sampling plan
tertentu.
Pa VS P untuk n, c tertentu
2.2. Perencanaan Acceptance Sampling Attribute untuk : AQL - dan LTPD -
tertentu
1. Single Sampling Plan (SSP)
Lot Product
Sample, n
X < c lot diterima
n = ?
c = ?
i) Menentukan single sampling plan dengan bantuan table 7.1
Kesempakatan
1,5
0,5
Pa
0AQL LTPD
P’
Ukuran sensitivity sampling plan untuk membedakan lot baik-jelek.
Sampling plan(n = 100(c = 2
P’
Produsen Konsumen
Mutu Produk (P’)
Resiko
AQL
LTPD
n = ?
c = ?
Exp. Untuk penerimaan lot produk, producen dan konsumen sepakat
menggunakan Single Sampling Plan (SSP) yang memenuhi
ketentuan :
AQL = 1,5%
= 5% max
LTPD = 6%
= 10% max
Tentukan Single Sampling Plan yang memenuhi ketentuan tersebut.
Solusi :
Table 7.1
= 5%, = 10%
c P’n0,95 P’n0,10 P’n0,10/P’n0,95
0
1
2
3
4
5
0,051
0,353
0,818
1,366
1,970
2,613
2,30
3,89
5,32
6,68
7,99
9,26
45,10
10,96
6,50
4,89
4,06
3,55
Procedure :
1st Hitung ratio antara LTPD dengan AQL
Exp.
2nd Pilih Sampling Plan (harga c) dengan harga P’n0,10/P’n0,95 yang
mendekati harga ratio LTPD/AQL.
Exp. P’n0,10/P’n0,95 = 4,06 ~ 4
Sampling Plan dengan harga c = 4
3rd Hitung harga n (sample size) dari harga P’n0,95 atau P’n0,10
a) Dari table :
P’n0,95 = 1,970
AQL = 1,5%
= 5%
1,5% x n = 1,970
n =
n = 131,33 ~ 132
n = 132
c = 4
b) P’n 0,10 = 7,99
LTPD = 6%
6% x n = 7,99
n =
n = 133,17 ~ 133
n = 133
c = 4
4th Checking menentukan apakah Sampling Plan yang diperoleh pada
step 3rd memenuhi kesepakatan
a) Dari 3a : n = 132
c = 4
Karena dihitung dari harga P’n0,95
Yang berarti untuk P’ = AQL = 0,05
Maka perlu dicheck apakah untuk P’ = LTPD = 10% max
Lot Product
Sample, n
n = 132
c = 4
Prob (X < 4) = ?
P’ = LTPD = 6%
= P’ x n = 6% x 132 = 7,92
Dari table comulatif Dist. Poisson Pa VS
= 7,8
c = 4
= 8
c = 4
> 10% tidak memenuhi
b) Dari step 3b : n = 133
c = 4
Karena dihitung dari harga P’n0,10 yang berarti untuk P’ = LTPD =
6% = 10%
Jadi perlu dicheck untuk P’ =
= P’ x n = 1,5% x 133 = 1,995
Dari table dist. Komulatif Poisson :
= 1,9 Pa = 0,956 = 0,044
= 2 Pa = 0,947 = 0,053
P’
= 5%
Pa = 0,112 ~ 11,2%
Pa = 0,10 ~ 10%
= 10%
5th Apabila hasil pengecheckan step 4th tidak terdapat sampling plan yang
memenuhi ketentuan maka ulangi step 2nd 4th dengan mengambil
sampling plan yang dibawahnya c = 5
6th Apabila dari hasil pengecheckan step 4th atau step 5th diperoleh kedua
sampling plan memenuhi ketentuan maka dapat dipilih sampling plan
yang memberikan harga P’ terkecil untuk Pa = 0,5.
NB
1) Tentukan sample size (n) apabila c = 5
2) Lakukan checking terhadap masing-masing sampling plan
3) Tentukan sampling plan yang memenuhi kesepakatan
P’ = AQL = 1,5% = 5% max
P’ = LTPD = 6% = 10% max
ii) Dengan menggunakan Nomogram (gambar 10.9)
Perencanaan SSP – atribut
Berdasarkan harga AQL = & LTPD -
• Tabel 7.1 ( = 5%, = 10%)
• Dengan menggunakan nomograph (lihat 10.9 BK.
Montgomery)
Contoh :
Tentukan sampling plan yang memenuhi untuk kesepakatan
AQL = 2,5%; = 5%
LTPD = 6%; = 10%
Solusi dari Nomograph
- 1st tentukan titik P’ = AQL 0,025
- 2nd tentukan titik Pa = 1 -
= 1 – 5%
= 0,95
- 3rd tarik garis melalui kedua titik tersebut
- 4th tentukan titik P’ =LTPD = 0,06
- 5th tentukan titik Pa = = 10%
- 6th hubungkan kedua titik tersebut
- 7th identifikasi titik perpotongan kedua garis pada sb n & c
Jika diperoleh melebihi batas cacat yang lebih
Solusi :
- Sampling ulang
- Rectifying inspection
(pemeriksaan penuh untuk lot yang ditolak)
OC – Curve (untuk memperoleh jaminan mutu) untuk Single
Sampling Plan
OC Curve (kurva karakteristik operasi) yaitu kurva yang
menggambarkan probabilitas penerimaan lot untuk mutu lot yang
berubah-ubah.
1) OC-Curve type A
Yaitu OC-Curve yang dibuat untuk jumlah lot produk yang
jumlahnya terbatas.
- OC-Curve untuk lot kecil
0,025
0,100,06
0,95
11
000,01 0,001
c = 4
harg
a c
13
5
4sample size
10080
6040
20
garis balas penerimaan
P' Pa = 10%
Mutu Produk
ProbabilitasPenerimaan
Jadi monograph diperoleh :
- n = 100- c = 4
6
- OC-Curve untuk lot besar
khususnya, OC-Curve ini cocok untuk konsumen karena
jumlah produk yang dibelinya sekali-dua kali, tidak terus-
menerus, umumnya tertentu (terbatas).
2) OC-Curve type B
Yaitu OC-Curve yang dibuat untuk jumlah lot produk yang tidak
terbatas.
OC-Curve ini cocok untuk produsen karena jumlah produk
yang diproduksi sangat besar (tidak terbatas).
N = lot size
n = sample size
c = batas penerimaan
Gambar OC-Curve type A dan Type B
3) Pengaruh perubahan n & c terhadap OC-curve
a. n = tetap, c = berubah
b. n = berubah, c = tetap
c. n dan c berubah proporsional
4) Membuat OC-Curve
Exp. Buatlah OC-Curve (type B) untuk Sampling Plan n = 100,
c = 2
Solusi :
Langkah-langkah :
1st Hitung harga untuk harga P’ yang bervariasi; = nP’
2nd Hitung harga Pa untuk setiap harga pada 1st.
Pa =
Gunakan Cumulative Prob. Dist. Poisson
3rd Plot OC-Curve yi Pa VS P’
Data hasil perhitungan & OC-Curve
n = 100, c = 2
P’ (%) = P’n Pa
0,4
1
2
3
4
5
6
7
9
10
12
0,4
1,0
2,0
3,0
4,0
5,0
6,0
7,0
8,0
10,0
12,0
0,992
0,919
0,676
0,423
0,238
0,124
0,061
0,029
0,013
0,002
0
2. Double Sampling Plan (DSP)
i) Latar Belakang
ii) Definisi
DSP adalah sampling plan atribute dimana pengambilan sample
dapat dilakukan 2 kali (max) terhadap lot yang penolakannya terdapat
keraguan-raguan.
Lot produk dengan tingkat mutu sekitar harga AQL apabila tidak
diterima pada sampling pertama maka diambil sampling kedua
P(A) + P(B) = PI yaitu probabilitas dapat diambil keputusan (terima/
tolak) dari sampling I.
P(A) = Probabilitas dapat diterima dari sampling I
P(D) = Probabilitas dapat diterima pada sampling II
P(A) + P(D) = Pa total
Pi Probabilitas lot diterima total DSP
P(B) + P(E) = PRe total
Pi Probabilitas di tolak oleh total DSP
P(C) = Probabilitas diambil sample II
P(C) = 1 - (P(A) + P(B)
= (1 - PI)
Lotsize besarJarak pengiriman yang jauh Jenis produk yang dapat busuk/rusak Sample size kecil, dll
Produsen keberatan / tidak puas apabila terjadi lot di tolak
iii) Kurva ASN
ASN (Average Sample Number) yaitu jumlah rata-rata sample yang
diambil untuk mutu produk tertentu pada DSP.
ASN = n1 x PI + (n1 + n2) (1 - PI)
= n1 + n2 (1 - PI)
DSP dengan“Curtailed”
DSP
Single Sampling Plan
P’ (%)
n1
ASN
DSP dengan curtailed y1 pengambilan sample II dihentikan apabila
telah dapat diambil keputusan lot di tolak.
iv) Perencanaan DSP
Dengan bantuan tabel 8.2 dan 8.3, kedua tabel ini khusus untuk :
= 5% dan = 10%
Contoh : Tentukan DSP yang sesuai apabila produsen dan konsumen
sepakat :
AQL = 1,5%, = 5% P1 Pa = 0,95
UPD = 7,5%, = 10% P2 Pa = 0,9
n2 = n1
Solusi : Gunakan tabel 8.3
Langkah :
1st Hitung ratio
=
2nd Pilih sampling plan dengan
Harga R+ = 5 dari tabel R+ = 4,65
Jadi : C1 = 2 dan C2 = 4
3rd tentukan sample size n1 dari harga P’n1
a. untuk Pa = 0,95 = 5%
P’n = 1,16
AQL = 1,5% n1 = 78
DSP : n1 = 78 C1 = 2
n2 = 78 C2 = 4
b. Untuk Pa = 0,10 = 10%
P’ n1 = 5,39 LTPD = 7,5%
n1 = = 71,87 72
DSP
n1 = 72 C1 = 2
n2 = 72 C2 = 4
4th Untuk memilih DSP yang memenuhi ketentuan
AQL = 1,5% = 5%
LPTD = 7,5% = 10%
Maka perlu dibuat OC-Curve untuk masing-masing DSP
tersebut.
v) OC-Curve DSP
Contoh Tentukan dan gambarkan OC-Curve untuk DSP
n1 = 50, n2 = 100
c1 = 1, c2 = 4
Solusi :
1st Tentukan tingkat mutu produk yang akan dihitung probabilitas penerimannya.
P’ 1% 2% 4% 6% 8% 10%
P’X n1 = 1 0,5 1 2 3 4 5
P’X n2 = 2 1 2 4 6 8 10
2nd Hitung harga P(A), P(B) dan P(D) untuk setiap tingkat mutu
tersebut.
P(A) + P(D)
P(B)
P(A)
I II
III
1 0
10
Pa
P’ (%)
PRC
P(A) =
P(B) = 1 -
P(D) = Jumlah (Prob. Masuk Jalur C x Prob. Terima Pd.
Sampling II)
P(A), jika X1 < C1
P(B), jika X1 > C2
P(D), X1 + X2 < C2
P(E), X1 + X2 > C2
n1 = 50, C1 = 1, C2 = 4p’
p’ : 1% 2% 4% 6% 8% 10%1 = p’n1 : 0,5 4 2 3 4 5P(A) : 0,90
90,735 0,406 0,199 0,091 0,040
P(B) : 0,001
0,004 0,053 0,185 0,372 0,560
P(D) : 0,080
0,151 0,082 0,018
P(A) + P(D) : 0,989
0,886 0,488 0,217
Menghitung P(D)
Lot n1 = 50 C1 = 1
p’ n2 = 100 C2 = 4
1 p’ = 2% 1 = 1 dan 2 = 2
Masuk jalan C Jumlah cacat
Apabila x1 = yg diizinkan pada sampling II (x2)
2 Prob. (x1 = 2) = 0,184 0, 1, 2 Prob. (x2 < 2) = 0,676
3 Prob. (x1 = 3) = 0,062 0, 1 Prob. (x2 < 1) = 0,406
4 Prob. (x1 = 4) = 0,015 0 Prob. (x2 = 1) = 0,135
Hasil kali P1 x P2 : 0,124
Jika C1 < X1 < C2
n2 = 100
n2 = 50
P1 P2
0,025
0,002
P(D) : 0,151
Dengan cara yang sama, harga P(D) untuk harga p’
yang berbeda dapat dihitung
1 = p’ x n1 n1 = 50 2 = p’ x n2 n1=100
P(x1 = ), 1X2
P(x2 < ), 2P1 X P2
0,5 2 3 1,0 4,0 6,0
0,076 0,270 0,224 0,12 0,919 0,238 0,061 0,070 0,064
0,013 0,181 0,224 0,1 0,735 0,091 0,017 0,010 0,016
0,001 0,090 0,168 0 0,367 0,018 0,002 0 0,002
P(D) = 0,080 0,082
P(A) = I, P(A) + P(D) = II, P(B) = III
OC-Curve untuk DSP n1 = 50, n2 = 100
C1 = 1 dan C2 = 4
MILITARY STD. 105-D
i) Latar Belakang
- Kebutuhan peralatan militer pada PD II dan perang Korea.
- 1942 - Army Ordonance Tables
- 1945 - Navy Tables
- 1949 - Joint Army-Navy Standard (JANS)
- 1950 - Military Std. 105 A
(Rev, 105 B dan 105 C
- 1963 - Military Std. 105 D
(American – British – Canadian)
- 1971 - ANSI Std. Z1.4
- 1973 - ISO / DIS – 2859
- 1991 - Military STD 105 – E
ii) Diskripsi Nilai Std 105-D
1. Klasifikasi Cacat (Defect)
- Critical Defect (Cacat Kritis)
Yaitu cacat yang menyebabkan produk berbahaya apabila
digunakan.
- Cacat Major (Cacat Besar)
Yaitu cacat yang menyebabkan fungsi produk menurun bila
digunakan.
- Cacat Minor (Cacat Kecil)
Yaitu cacar yang tidak termasuk kedua jenis diatas tetapi
menyimpang dari spesifikasi produk.
Biasanya cacat yang menyebabkan tampilan produk kurang
menarik.
NB :
Untuk ketiga jenis cacat tersebut diberikan sistem ekuivalen yang
disebut “Demerit Point”
Contoh : Cacat kritis = 25 point
Cacat major = 5 point
Cacat minor = 1 point
Kriteria penerimaan, Ac = 50 point
2. Lot atau Batch Size
- Lot atau batch adalah sejumlah produk darimana sample diambil
dan akan ditentukan apakah diterima/ditolak
- Lot/batch size biasanya dipilih berdasarkan :
Jumlah produk/pengiriman
Jumlah produk/jam
Jumlah produk/shifa dll
3. Level Inspeksi
- 7 level (4 spesial + 3 umum)
- Pemilihan Level Inspeksi biasanya didasarkan pada nilai,
berbahaya/tidak sesuai dengan jenis produk.
4. AQL
AQL dinyatakan dalam % cacat atau jumlah cacat/100 unit produk
AQL = 2,5%
AQL = 400 cacat/100 unit
Catatan : 1 unit produk dapat mempunyai lebih dari 1 cacat
5. Sample Code Letter
- Sample code letter dinyatakan dari huruf A – R
- Huruf ini biasanya menyatakan jumlah sample yang diambil
- Sample code letter ditentukan berdasarkan lot size dan level
inspeksi seperti yang terlihat pada table I
Lot size : 1000 buah
Level inspeksi : umum II
Dari table II diperoleh sample code letter : J
6. Sampling Plan
- Single sampling plan
- Double sampling plan
- Multiple sampling plan (max 7 level)
7. Kondisi Inspeksi dan Sampling Plan
- Normal sampling plan (kondisi normal)
- Tighten sampling plan (kondisi ketat)
- Reduced sampling plan (kondisi longgar)
Catatan: Dalam perancangan sampling plan, ketiga sampling plan
(normal, tighten dan reduced) sekaligus ditentukan.
8. Produsen pindah dari kondisi Inspeksi Normal – Tighten – Reduced
Exp. Single sampling plan :
Normal Inspeksi : n = 80, Ac = 5, Re = 6
Tighten Inspeksi : n = 80, Ac = 3, Re = 4
Reduced Inspeksi : n = 32, Ac = 2, Re = 5
9. Prosedur Penentuan Sampling Plan berdasarkan Mil. Std. 105-D
1st Tentukan jenis sampling plan yang digunakan (single, double,
multiple)
2nd Tentukan lot size
3rd Tentukan level inspeksi
4th Tentukan sample code letter
(Table I Tabel 10.7)
5th Tentukan AQL
6th Tentukan sampling plan
- Normal
- Tighten
- Reduced
(Dari tabel II VII atau 10.8 – 10.17)
10. Contoh :
Rencanakan single sampling plan yang sesuai menurut Military Std.
105-D jika ditentukan :
Lot size : 1800 buah
Level Inspeksi : Umum II
AQL : 1,5%
Sampling plan : Single
Solusi :
Langkah-langkah :
1st Pilih jenis/macam sampling plan yang digunakan (single, double,
multiple)
2nd Pilih lot size
exp. Lot size = 1800
3rd Pilih level inspeksi
exp. Umum II
4th Tentukan harga AQL
exp. AQL = 1,5%
5th Tentukan sample code letter dari table 10.7
exp. Lot size 1800 terletak antara 1.201 – 3.200
Level Inspeksi II
Sample code letter K
6th Tentukan sampling plan yang sesuai dari tabel IIA – IIB dan IIC
untuk inspeksi normal, tighten dan reduced
exp. Sample code letter K
AQL = 1,5%
Insp. Normal Tighten Reduced
n = 125 n = 125 n = 50
Ac = 5 Ac = 3 Ac = 2
Re = 6 Re = 4 Re = 5
NB : 2 < x < 5 lot terima dan pindah ke normal.
RECTIFYING INSPEKSI
Latar Belakang
Sampling plan
N = 60
C = 2
Jika x > 2 lot tolak !
Apa yang dilakukan terhadap lot yang ditolak ?
Pertimbangan
- Jumlah lot yang besar
- Harga produk mahal
- Ongkos pengiriman kembali produk tinggi
- Tidak semua produk dalam lot yang ditolak
tersebut cacat, dll
Lot
i) Definisi
Rectying inspeksi adalah metode inspeksi dengan menggunakan
acceptance sampling dimana terhadap setiap lot/batch yang ditolak
dilakukan 100% inspeksi dan lot produk yang telah mengalami 100%
inspeksi dicampur (disatukan) dengan lot produk yang langsung
diterima.
Schema Alir Rectifying Inspection
ii) AOQ, AOQL & AT I
- AOQ (Average Outgoing Quality)
Ialah mutu rata-rata (% cacat rata-rata) yang keluar setelah dilakukan
Rectifying Inspection.
- AOQL (Average Outgoing Quality Limit)
Ialah mutu rata-rata terletak (% cacat rata-rata tertinggi) yang
mungkin terjadi setelah dilakukan Rectying Inspection.
- ATI (Average Total Produk Inspected)
Yaitu rata-rata jumlah produk yang diperiksa pada Rectifying
Inspection
AOQ = Pa x P’
Pa = Probabilitas lot terima pada A.S
P’ = Mutu produk yang masuk
N = Jumlah lot (Lot Size)
n = Sample Size
ATI = n + (1 – Pa) (N – n)
iii) Perencanaan Sampling Plan pada Rectifying Inspection berdasarkan
Tabel Dodge – Romig
1. Berdasarkan harga AOQL (Tabel 10-19, 10-20, 10-21 dan 10-22)
2. Berdasarkan harga LTPD (Tabel 10-23, 10-24, 10-25 dan 10-26)
1. Berdasarkan Harga AOQL
Prosedure :
1st Pilih jenis sampling plan yang digunakan (single atau double)
Exp. Single sampling plan
2nd Pilih harga AOQL yang diinginkan
Exp. AOQL = 2,5%
3rd Tentukan lot size
Exp. Lot size = 1500 buah
4th Tentukan mutu rata-rata proses
Exp. = 1,6% cacat
5th Tentukan sampling plan yang sesuai
Exp. Dari table 10-20
n = 95 C = 4 LPTD = 8%
AOQ
AOQL
P’
AOQ VS P’
Catatan : Untuk P = LPD Pa = + 10%
= 8%
n = 95, C = 4
p’ = 8% = p’ x n = 8% x 95 = 7,6
= 7,5 Pa = 0,132 = 13,2% + 10%
= 8 Pa = 0,099 = 9,9%
2. Berdasarkan LTPD
Prosedure :
1st Pilih sampling plan yang diinginkan
Exp. Double sampling plan
2nd Tentukan harga LTPD
Exp. LTPD = 1%
3rd Tentukan mutu rata-rata produk
Exp. = 0,35%
4th Tentukan lot size
Exp. Lot size = 2500 buah
5th Tentukan sampling plan yang sesuai
Exp. Dari table 10-26
n1 = 430 C1 = 1
n2 = 620 C2 = 6
AOQL = 0,28%
Catatan : Untuk p’ = AQL = + 5%
Atau p’ = Proses average = + 5%
n1 = 430, C1 = 1
= p’ x n1 = 0,28% x 430 = 1,204
= 1,2 Pa = 0,662
n2 = 620 1,736 1,7 Pa = 0,974
= 0,026 2,1%
x1 P(x1 = ) x2 P(x2 < ) 1 x 2
2 0,217 0,1,2,3,4 0,970 0,210
P’
P’
3 0,087 0,1,2,3 0,906 0,079
4 0,026 0,1,2 0,757 0,020
5 0,006 0,1 0,493 0,003
6 0,001 0 0,182 0
SEQUENTIAL SP, CHAIN SP & CSP
i) Latar Belakang
- Mutu produk tidak berubah secara mendadak tetapi berangsur-angsur
sesuai dengan perubahan yang terjadi pada faktor-faktor produksi
(bahan, mesin, operator, sistem).
- Ada kaitan antara mutu produk yang sekarang dengan yang
sebelumnya
- Pada SSP, DSP & Mil. Std 105-D kedua faktor diatas belum
dipertimbangkan
ii) Sequential Sampling Plan
Ialah sampling plan atribut dimana pengambilan sample dari lot
dilakukan berurutan (sequential). Jumlah cacat (x) setiap saat dipetakan
0,312
terhadap nomer (jumlah sample), penerimaan/penolakan lot dilakukan
apabila titik telah masuk kedaerah penerimaan/ penolakan.
Menentukan harga h1, h2 dan S dari AQL, , LPTD dan
X = -h1 + Sn garis penerimaan
X = h2 + Sn garis penolakan
P1’ = AQL Pa = 1 -
P2’ = LTPD Pa =
Columbia University :
h1 = log
h2 = log
S =
Contoh : Tentukan dan gambarkan squential sampling plan yang
memenuhi ketentuan : AQL = 1,5% = 5%
LTPD = 6% = 10%
Solusi : P1’ = 1,5% 1 - P1’ = 0,985
10 20 30 40 50 60 70 80 90
1
2
3
4
5
h2
Kontinu
Penolakan
Penerimaan
X = -h 1 + sn
X = -h 2 + sn
h1
X
n
P2’ = 6% 1 - P2’ = 0,94
h1 = log
= log 9,5 / log
= 1,571
h2 = log
= log 18 / log 4,1915
= 2,017
S = log
= 0,0326
Catatan : Apabila tetap pada daerah kontinu hingga produk dalam lot
habis di inspeksi 100% inspeksi.
Chain Sampling Plan
Sample, n
x = 0 Lot terima
x = 1 Lot terima bila pada lot sebelumnya
x = 0 lot tolak jika pada lot
sebelumnya x > 1
x > 2 lot tolak
3. Continous Sampling Plan (CSP)
- Untuk produk yang diprofuksi secara kontinu atau menggunakan ban
berjalan (belt conveyor)
- CSP-1, CSP-2, CSP-3 & CSP-5
- Military Std. 1235
N = 2000
Lot
Gambar Diagram Alir/Procedure CSP-1 Plans
SAMPLING PLAN UNTUK KARAKTERISTIK MUTU VARIABEL
(Acceptance Sampling By Variabel)
IV.1. Latar Belakang
1. Untuk produk dengan spesifikasi mutu yang bersifat terukur
2. Pernyataan cacat/baik (attibute) tidak menggambarkan keadaan produk
yang sesungguhnya.
3. Jumlah sample yang relatif kecil dibanding sampling plan attribute
untuk OC-curve yang sebanding.
4. Alasan Psikolog produser akan lebih puas (dapat menerima) apabila
suatu lot ditolak (tidak unsur suntikan)
5. Biaya pemeriksaan lebih besar karena butuh peralatan ukur.
IV.2. Macam /jenis Sampling Plan
1. Sampling Plan untuk variabellity diketahui:
- Satu syarat batas ( Atas atau bawah)
- Dua syarat batas (Atas dan bawah)
2. Sampling plan untuk Variability tidak diketahui :
- Satu syarat batas
- Dua syarat batas
3. Military standars 414
4. SEQUENTAL SAMPLING PLAN
IV.3. Perencanaan SAMPLING PLAN untuk karakteristik mutu variable jika
AQL, , LTPD dan tertentu
IV.3.1. Variability ( ) diketahu dan Satu Syarat batas
Lot terima bila ≥ k
atau ≥ k
L = Batas bawah (minimal)
U = Batas atas (maximal)
Problem : jika L, U, diketahui
AQL, , LTPD dan ditentukan
Lot Sample, →
n = ?
k = ?
1. Perencanaan Sampling Plan
By Variable untuk
AQL, , LTPD dan tertentu
1. Standar deviasi ( ) diketahui :
Satu syarat batas L atau U
atau
n = ?
k = ?
+
x
Z
Lot Sample size n =
LOT Terima bila
Solusi :
z
Jika :
Prob.
Prob.
(k - )
(k - )
(k - )
Pers (372 (4)
n =
k1 = z1 -
atau k2 = z2 + k =
contoh : AGL = 1 % = 2,3263 z1
= 5 % = 1,6449
LTPD = 8 % = 1,4153 z2
= 10 % = 1,2516
= = 10
Z
Z
= 2,3263 - = 1,806
= 1,4053 + = 1,811
Operasi Probabilitas :
Prob.
Prob.
Operasi Inverse Probablitas :
Dari pers. (3) dan (4)
n =
dan :
4.4. OC - Curve untuk Sampling Plan - variabel
Lot Terima bila :
k = 1,819
k =
zx
atau (Untuk syarat batas atas)
Lot Terima bila
Dengan memvariasikan harga
Maka Prob. Lot Terima untuk p = dapat di tentukan sebagai berikut :
Harga dapat dihitung dengan bantuan tabel normal.
Contoh :
Buatlah OC Curve untuk sampling Plan n = 10 dan k = 1,81 (satu syarat
batas (1) dan variability diketahui)
Solusi :
1 % 2 % 3 % 5 % 8 % 10 %
2,33
-1,65
0,95
2,06
-0,79
0,7852
1,84
-0,0950
0,539
1,65
0,52
0,2676
1,41
1,265
0,1038
1,28
1,676
0,0475
(k –Zp’) ( ) = ( 1,81 -2,33 )
= - 1,65 P ( Z > - 1,65 ) = 0,95
z
(k –Zp’) ( ) = ( 1,81 -1,65 )
=0,52 P ( Z > 0,52 ) = 0,2676
OC – Curve untuk sampling Plan variabel
n = 10, k = 1,81
p (z = o) = 0,5
(k -
x = 1,81
x =
= 1 – 0,9649
= 0,351
atau 3,5 %
jadi : kemungkinan diterima 50 % adalah pada saat = 3,5 %
2. Perencanaan Sampling Paln Variabel untuk AQL, , LTPN dan tidak
variability ( ) diketahui ; 1 (satu) syarat batas
a. k =
n =
b. Dengan MONOGRAPH
11
00
c = 4
harg
a c
13
5
4sample size
10080
6040
20
garis balas penerimaan
P' Pa
Mutu Produk
ProbabilitasPenerimaan
6
4.5. Military STD 414
(ANSI / ASQC z 1.9)
4.5.1. Diskripsi
1. Level Inspeksi : 5 level (I, II, III, IV, dan V)
2. Metode : Metode Std. Deviasi dan metode Range
3. Procedure : form 1 dan form 2
4. Syarat batas : Single (L atau U)
2 syarat batas L dan U
5. Variability : Diketahui atau tidak diketahui
* Struktur mil STD 414 dapat dilihat pada gambar 11-6
Form 1) metode- k
Lot terima bila
Dapat dilihat pada tabel Quality Index
Form 2) metode – M
Lot Terima bila
Prob ( Harga M dapat dilihat pada tabel)
4.5.2. Procedure Perencanaan
Sampling Plan menurut Mil. Std 414
1. Tentukan Metoda yang digunakan
Misal : Metoda Std Deviasi
2. Tentukan jumlah syarat batas yaitu
Misal : Metoda Std Deviasi
3. Tentukan jumlah syarat batas
1. Syarat batas
2. Syarat batas
4. Tentukan variability (Diketahui / tidak)
Misal : Tidak diketahui
5. Pilih form (Procedure) yang digunakan
Misal : Form 1) dengan rumus : dan form 2)
6. Tentukan Lot Size
Misal : 1000 buah
7. Tentukan level Inspeksi bila level inspeksi tidak diketahui level U
Misal : Level III
8. Tentukan harga AQL
Misal : AQL = 1,5 %
9. Tentukan Sample Code Letter (tabel 11.1) berdasrkan informasi level
inspeksi dan Lot Size :
Misal : Sample Code letter : I
10. Tentukan Sampling Plan yang sesuai berdasarkan sample code dan
AQL
Misal : tabel . 2
a. Form 1)
Untuk sample code letter I dan AQL = 1,5 %
Diperoleh : Lot terima bila
Normal Inspeksi : n = 25
k = 1,72
tabel 11 – 2
Tiglaten Inspeksi : n = 25
k = 1,85
b. Form 2) Lot Terima bila Prob.
Normal Inspeksi : M = 3,97 %
n = 25
tabel 11 – 3
Tighter Inspeksi : M = 2,86 %
n = 25
SEQUENTIAL SAMPLING PLAN-SPR
(Sequential Probability Ratio)
Prinsip
1. Apabila diplot terhadap n (periode) maka titik-titik akan bervariasi
sekitar titik 0.
2. Jika proses telah berubah maka titik tersebut akan cenderung menjauh dari
titik 0.
Menentukan harga h2, h1, dan S dari ’ - dan ’ -
h1 = a = 2,3026 log
h2 = a = 2,3026 log
S =
Contoh 1 :
Rencanakan SPR apabila diketahui :
P’ = AQL = 0,135 gr/cc = 5%
P’ = LTPD = 0,130 gr/cc = 10%
= 0,006 gr/cc
Solusi : a = 2,3026 log (0,15/0,010) = 2,2513
b = 2,3026 log (0,90/0,05) = 2,8904
h1 =
h2 =
S =
T = 0,0162 + 0,1325 n
T = - 0,0208 + 0,1325 n
Apabila :
h1 = a = 2,3026 log
h2 = a = 2,3026 log
S =
NB : x mutu makin jelek (batas atas)
SPR untuk 2-syarat batas :
a* = 2,3026 log
b* = 2,3026 log
h1 =
h2 =
S =
Contoh 2
Rencanakan SPR-2 syarat batas bila ditetapkan :
= 190.000 psi = 5.000 psi
= 180.000 psi = 0,05
= 200.000 = 0,10
Solusi :a* = 2,3026 log (0,90 / 0,025) = 3,5835
b* = 2,3026 log (0,975 / 0,10) = 2,2773
h1 =
h2 =
s =
NB : A : h1 dan h2 dan S positif
B : h1 positif, h2 negatif dan S negatif
III. PROSES KONTROL DAN PETA KONTROL
1. Latar Belakang
i) Pada umumnya bagian produksi/fabrikasi mempunyai catatan harian/shift
tentang :
- Adanya jumlah cacat yang terjadi pada periode tertentu (harian/shift)
- Kerusakan/hambatan peralatan dan waktu berhenti
- Catatan tentang operator / jumlah dan nama
- Data tentang pemakaian bahan baku/bahan bakar, dll
ii) Prinsip utama
- Mutu produk tergantung pada proses produksi
- Perubahan penurunan mutu produk harus terdeteksi sedini mungkin
- Perubahan jumlah produksi terkait dengan perubahan pada faktor-
faktor produk
iii) Definisi
ProsesProduksi Produk
Sist. Produksi
OperatorPeralatan
Bahan baku
PERUBAHANMUTU
PERUBAHAN PROSES / PADA FAKTOR-FAKTOR PRODUKSI
Peta kontrol (Control Chart) yaitu peta yang menggambarkan perubahan
karakteristik mutu (atribut/variable) pada periode tertentu yang dilengkapi
dengan batas kontrol (bawah/atas) yang menyatakan proses produksi
terkendali atau tidak.
A. Peta kontrol attribut
- Peta kontrol C
- Peta kontrol U
- Peta kontrol P
- Peta kontrol nP
B. Peta kontrol variabel
- Peta kontrol ( - chart)
- Peta kontrol R (R-chart)
- Peta kontrol S (S-chart)
- Peta kontrol kumulatif (Cu Sum-chart)
iv) Prinsip Aplikasi
1. Apabila titik/mutu produk berada dalam batas kontrol maka dianggap
proses produksi berlangsung normal/terkendali.
2. Apabila terjadi/terdapat titik/mutu produk diluar batas kontrol maka
dianggap proses produksi telah berubah.
v) Tujuan Pemakaian Peta Kontrol
1. Mendeteksi apakah proses produksi berlangsung normal
2. Mendeteksi apakah proses produksi telah berubah
3. Apakah terjadi trend (kecenderungan) pada proses produksi
4. Menentukan kemampuan proses produksi (Process Capability)
Proses Capability =
P.C. > 1 Capable
< 1 Tidak capable
vi) Manfaat Peta Kontrol
1. Meningkatkan produktifitas karena Scrap dan Rework produk dapat
dikurangi
2. Mencegah terjadinya produk cacat karena dapat dideteksi sebelum
terjadi
3. Mencegah perubahan proses produksi yang tidak perlu karena
penyimpangan yang terjadi alamiah (random)
4. Menjadi sumber data/informasi untuk analisa selanjutnya
5. Memberikan informasi tentang kemampuan proses (Process
Capability), dll.
vii)Prinsip Dasar Pembuatan Peta Kontrol
1st Pilih karakteristik mutu produk yang menentukan mutu produk atau
yang dapat memberikan gambaran tentang proses produksi.
2nd Ambil sample secara random sesuai dengan jumlah yang telah
ditentukan pada selang waktu/periode tertentu.
3rd Hitung harga tengah (mean) dan standard deviasi ().
4th Hitung batas kontrol (BKA dan BKB)
apabila batas kontrol bawah, BKB berharga negatif maka BKB
dianggap = 0
5th Gambarkan peta kontrol tersebut dan plot titik-titik hasil
pengambilan data
6th Apabila terdapat titik-titik yang diluar batas kontrol maka lakukan
checking apakah ada kejadian-kejadian yang menyebabkannya
(misal : listrik mati, mesin rusak, operator baru, dll). Kalau
penyebabnya dapat ditelusuri maka buang/hilangkan data tersebut.
7th Hitung kembali Mean, BKA dan BKB
8th Lakukan/ulangi step 5th dan step 6th
9th Lakukan uji kerandoman untuk data/titik-titik pada peta kontrol
Exp. : - Gunakan tabel N1 dan N2
- Daniel plot
- Normal plot
10th Peta kontrol dapat digunakan untuk proses kontrol yang selanjutnya
11th Buat OC-curve untuk peta kontrol tersebut
Evaluasi peta kontrol pada setiap periode tertentu (3 bulan, 6 bulan
dst).
PETA KONTROL ATTRIBUT
1. Peta Kontrol - P (Fraksi Cacat)
n = Jumlah sample
x = Jumlah produk cacat
P = fraksi cacat
= Fraksi cacat rata-rata
P =
Peta kontrol - P :
= Harga tengah
BKA = + 3P
= + 3
BKB = - 3
NB : i) Apabila BKB < 0 BKB = 0
ii) Untuk jumlah sample yang berubah-ubah maka harga BKA
dan BKB juga berubah-ubah
iii) Untuk jumlah sample yang berubah-ubah, dapat dibuat peta
kontrol dengan menggunakan harga rata-rata jumlah sample (
)
2. Peta Kontrol - C
- (Adalah jumlah cacat/unit atau jumlah produk cacat
- Dist. Probabilitas-C Dist. Poisson
P(x) =
NB : = = jumlah rata-rata cacat
Harga tengah =
BKA = + 3
BKA = - 3
NB :
i)Harga BKA dan BKB harus bilangan bulat positif
ii) Harga dan dapat/boleh berharga bilangan pecahan
3. Peta Kontrol - np
Harga tengah = n =
BKA = n + 3
BKB = n - 3
4. Peta Kontrol - U
U = Jumlah cacat rata-rata dalam n ample
U = =
Harga tengah =
BKA =
BKB =
OPERATING CARACTERISTIC CURVE (OC CURVE) UNTUK PETA
KONTROL ATTRIBUT
Tujuan/aplikasi peta kontrol Deteksi perubahan proses/mutu produk
OC-Curve menggambarkan probabilitas tidak dapat mendeteksi perubahan
mutu produk vs. perubahan mutu
1. OC-Curve untuk Peta Kontrol-P
Langkah-langkah :
1st Hitung dari data yang ada /diambil
2nd Hitung P =
3rd Tentukan BKA dan BKB
4th Tentukan perubahan mutu (fraksi cacat)
5th Hitung Std. Deviasi yang baru
P =
6th Hitung harga ZBKA dan ZBKB berdasarkan fraksi cacat yang baru
Asumsi : normal (binomial/poisson)
7th Tentukan harga BKA dan BKB dengan menggunakan tabel normal
standard
8th Hitung = 1 - (BKA + BKB)
9th Ulangi langkah 4th s/d 8th untuk harga fraksi cacat, ’ yang baru
10th Plot OC-curve
vs. ’
Contoh : Tentukan dan gambarkan OC-curve untuk peta kontrol - P,
=0,20, n = 50, BKA = 0,3698 dan BKB = 0,0303
Solusi :
P’ZBKA =
BKA ZBKA = BKA
1 0,05 0,037 10,313 0 -0,6355 0,73 0,261
2 0,10
3 0,20 0,0566 3 -3 0,9975
4 0,25
5 0,30 0,065 1,07 0,14231 -4,149 0 0,8577
6 0,40 0,069 -0,44 0,67 -5,36 0 0,33
7 0,50 0,072 -1,843 0,9671 -6,436 0 0,0329
PETA KONTROL VARIABLE
1. Peta Kontrol -
= ukuran central tendency (mean)
Peta kontrol - untuk deteksi perubahan harga mean asumsi x
terdistribusi normal dengan Std. Deviasi
- terdistribusi normal dengan Std. Deviasi
Untuk sample kecil dapat diestimasi dari harga yaitu
Harga tengah =
BKA =
=
=
BKA =
BKB =
NB :
i) Sample kecil < 25
ii) N = Sub grup (Jumlah sample/priode)
iii) R = Range pada sub grup
iv) = Rata-rata range
2. Peta Kontrol-R
- R (Range) adalah ukuran variability
- Std. Deviasi Range (R) dapat diestimasi dari Std. Deviasi ()
R = d3
=
Peta kontrol-R :
Harga Tengah =
BKA =
=
=
BKA = D4 +
BKB = - 3R
= -3d3
=
BKB = D3 .
OC-Curve untuk Peta Kontrol dan R
OC-Curve Peta Kontrol-
- Perubahan mutu ( ) dapat dinyatakan dalam kelipatan k
- OC-Curve : VS K
- Langkah-langkah :
1st Tentukan dari data dan besar Sub grup, n
2nd Tentukan dan
3rd Tentukan BKA & BKB
4th Tentukan Perubahan ’ = ( + k)
5th Hitung ZBKA & ZBKB
ZBKA =
ZBKB =
6th Tentukan BKA dan BKB
dengan bantuan Tabel Normal Standard
7th Hitung = 1 – (BKA + BKB)
Ulangi langkah 4 s/d 7 untuk k yang lain.
8th Plot OC-Curve VS k
contoh : Tentukan OC-Curve untuk Peta Kontrol- :
n = 5
Harga Tengah, = 706,00
BKA = 708,20
BKB = 703,80
Solusi :
BKA =
BKB =
= 0,73 x
= 1,63
No k k
1.2.3.4.
00,20,170,6
0
0,978
3
1,67 0,04754
-3
-4,35 0
706,00
706,978
0,497
0,95254
5.6.7.8.9.
0,81,01,52,02,5
1,632,4453,26
0,78-0,34-1,45
0,21770,63310,92647
-5,25-6,36
00
707,63708,445709,26
0,78230,36600,06353
k = 0,6
k = 1
IV. QUALITY IMPROVEMENT
A. DIAGRAM PARETO
1. Definisi : Diagram pareto ialah gambaran besarnya relatif frekuensi (%)
terjadinya suatu kejadian atau item dan kurva komulatifnya.
V pareto (Itali) 1697, Mc Lorentz (USA) 1907, Dr. J.N. Jiran
pareto analysis
Jenis :
D pareto berdasarkan phenomena
Seperti : - Kualitas (cacat, patah, pengaduan produk yang
dikembalikan)
- Ongkos kas (rugi, untung)
- Safety (kecelakaan, mustaku, break down)
- Dan lain-lain.
D pareto berdasrkan penyebabnya (Causes)
Seperti : - Operator (shift, droop, elemen, pengalaman, dan lain-
lain)
- Raw material (asal, Lot, jenis)
- Mesin
Tujuan : menentukan faktor yang dominant
2. Prosedure membuat D pareto.
Step 1 : Tentukan problem (hal ) yag akan dimiliki dan cara pengumpulan
data.
1st problem
2rd klasifikasi
3rd metode pengumpulan data
step 2 : Rencanakan formulir data
Step 3 : Isi formulir data dengan cara tally (garis)
Step 4 : Hilang data yang dibutuhkan untuk diagram pareto
Seperti : jumlah frekuensi masing, total frekuensi, % masing-
masing dan % komulatif masing-masing dan % komulatif masing-
masing.
Step 5 : Urutkan item sesuai dengan besarnya frekuensi terjadinya
(sorting)
Step 6 : gambarkan door derek
Tegak : kiri dengan skala 0 - total frekuensi (ordinat)
Lurus : Bagi sesuai dengan klasifikasi yang digunakan
Step 7 : Gambarkan histogram
Step 8 : Gambarkan kurva komulatif - kurva pareto
Step 9 : Isikan keterangan yang penting
Seperti : judul, jumlah, unit, periode dan lain-lain
Proses : CETAK
CacatSampel n = 50
Cacat%
Diurut%
% komulatif
- Bocor batang
- Bocor pangkal
- Bentuk gepeng
- Ukuran terlalu pendek
- Diameter terlalu besar
5
2
10
6
27
10
4
20
12
54
54 %
20 %
12 %
10 %
4 %
54 %
74 %
84 %
96 %
100 %
50 100 %
% Komulatif kemudian di plot sebagai Pareto Diagram :
B. DIAGRAM SEBAB AKIBAT
(Diagram Ishikawa / diagram tulang ikan) diagram Reker / diagram Tree)
Pendahuluan
- b sebab akibat adalah diagram yang menunjukkan hubungan antara
karakteristik mutu dengan faktor-faktor penyebabnya.
- Prof Kaoru Ishikawa (Umu. Of tokyo), 1953
- Tujuan : Analisa faktor-faktor penyebab terjadinya suatu problem kualitasdan
mencari solusi/metode perbaikan/pencegahan
- Struktur diagram sebab akibat :
KARAKTERISTIK
SMALL SIZE BONE
MEDIUM SIZE BONE
BIG BONEBACK BONE
Jenis cacat
100
96
54
74
84D. Pareto
Histogram
% cacat