Upload
hendra-pamuji-p
View
59
Download
5
Embed Size (px)
DESCRIPTION
data
Citation preview
1
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
LD/SEM II-03/04 1
TOPIK 6
PEMODELAN KUALITAS PEMODELAN KUALITAS PROSESPROSES
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
LD/SEM II-03/04 2
1. KERANGKA DASAR
KONSUMENSUPPLIER
Sampling Penerimaan
Pengendalian Proses
Proses Produksi
Manufacturing Manufacturing
MATERIAL PRODUK PRODUKBAIK
PRODUKKERJA ULANG
PRODUKSEKRAP
Lingkup perusahaan
2
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
LD/SEM II-03/04 3
Pengendalian kualitas: suatu sistem untuk menjaga tingkat kualitas yang diinginkan dalam produk atau jasa.Kategori: Off-line Quality Control, Statistical Process Control (SPC), Acceptance Sampling.
SPC: usaha untuk mengendalikan variasi proses guna menjaga konsistensi karakteristik kualitas produk yang dihasilkan.
Karakteristik kualitas: menggambarkan tingkat kualitas produk / jasa, dibedakan atas:
Karakteristik struktural: panjang, berat, dll.Karakterisrik sensori: selera, aroma, dll.Karakteristik berorientasi terhadap waktu: jaminan, keandalan, dll.Karakteristik etika: kejujuran, keramahan, dll.
Jenis pengukuran:Variabel → karakteristik kualitas yang dapat diukur & diekspresikan dalam skala numerik.Atribut: → karakteristik kualitas yang diklasifikasikan atas “sesuai” atau “tidak sesuai” terhadap spesifikasi (tidak dapat diukur dengan skala numerik).
2. PENGERTIAN DASAR
(1) PENGENDALIAN KUALITAS(1) PENGENDALIAN KUALITAS
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
LD/SEM II-03/04 4
Skala pengukuran:Skala Nominal : merepresentasikan KATEGORI suatu kondisi. Nilai numerik yang digunakan tidak mencerminkan nilai yang sebesarnya.Contoh:
Klasifikasi keadaan produk: (1) Baik, (2) Cacat.Klasifikasi jenis cacat: (1) Kritikal, (2) Mayor, (3) Minor.
Skala Ordinal : merepresentasikan RANKING/URUTAN suatu kondisi.Contoh:
Kualitas layanan suatu toko: (1) Sangat Buruk, (2) Buruk, (3) Rata-rata, (4) Baik, (5) Sangat Baik
Skala Interval : merepresentasikan ORDER & PERBEDAAN NUMERIK, tetapi dengan titik origin tidak absolut (berbeda antar skala pengukuran).Contoh: temperatur dalam oC dan oF.
Skala Rasio : merepresentasikan ORDER & PERBEDAAN NUMERIK antar skala pengukuran (titik origin 0).Contoh: panjang, lebar.
3
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
LD/SEM II-03/04 5
Kontinum numerik dengan titik nol→Skala rasio
Kontinum numerik dengan range tertentu→Skala interval
Klasifikasi & hirarki→Skala ordinal
Kategori, tanpa ada hirarki→Skala nominal
Skala Pengukuran:
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
LD/SEM II-03/04 6
(2) POPULASI & SAMPEL(2) POPULASI & SAMPEL
Tindakan pada lot(Estimasi inspeksi kualitas produk)
Tindakan pada proses
(Kontrol proses)(Analisis proses)
DATASAMPELPOPULASITINDAKAN
PROSES LOT SAMPEL DATA
Sampling Pengukuran
SAMPEL DATASampling Pengukuran
LOT
Tindakan
Tindakan
4
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
LD/SEM II-03/04 7
(3) DISTRIBUSI(3) DISTRIBUSI--DISTRIBUSI PENTINGDISTRIBUSI PENTING
a. Distribusi Diskrita. Distribusi DiskritDISTRIBUSI HIPERGEOMETRIK: Model probabilitas untuk sampling tanpa pengembalian.Untuk lot dengan ukuran N dan produk cacat sebanyak D, maka probabilitas sampel dengan ukuran n mengandung produk cacat sebanyak x adalah:
),(min.....,,2,1,0,)( Dnx
nN
xnDN
xD
xp =
−−
=
Populasi
Sampel Cacat: D
Baik: N-DBaik: n-x
Cacat: xCacat: x
N nN
nDXE =)( :rata-Rata
−−
−=
11
NnN
ND
NnD)X(Var
:Variansi
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
LD/SEM II-03/04 8
DISTRIBUSI BINOMIAL: Model probabilitas untuk sampling dengan 2 kemungkinan outcome (sukses, gagal) untuk setiap pengambilan sampel, dimana ukuran populasi cukup besar dibandingkan dengan sampel, atau berasal dari proses kontinyu.
Jika probabilitas perolehan produk cacat adalah p & konstan untuk setiap pengambilan sampel, maka probabilitas diperolehnya x produk cacatadalah:
n .... 3, 2, 1, x =−−
= xnpxp
xn
xp )1()(
:rata-Rata np E(X) =
:Variansi )p1(npVar(X) −=
Contoh:1. Untuk menentukan diterima-tidaknya kiriman lot lampu, dilakukan pengujian. Kiriman
diterima jika seluruh produk yang diuji baik semua. Ukuran lot 24 unit, jumlah rata-rata cacat dalam setiap lot 3 unit, jumlah produk yang diuji 4 unit. Berapa probabilitas penerimaan setiap lot lampu tersebut?
2. Asumsikan produk lampu yang dikirim dihasilkan dari proses kontinyu dengan proporsi cacat 1/8. Lot lampu akan diterima jika produk yang diuji seluruhnya baik. Jumlah produk yang diuji 4 unit. Berapa probabilitas diterimanya lot lampu tersebut?
5
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
LD/SEM II-03/04 9
DISTRIBUSI POISSON: Digunakan dalam pengendalian kualitas sebagai pendekatan terhadap distribusi binomial.
Jika rata-rata cacat adalah λ, maka probabilitas munculnya x kejadian adalah:
.....,2,1,0x,!x
ex)x(p =
−=
λλ
λ=)( :rata-Rata XE
λ=)X(Var :Variansi
Contoh:1. Rata-rata jumlah cacat komponen elektronik dalam kemasan adalah 3. Berapa
probabilitas mendapat 2 komponen cacat yang diambil secara random dari kemasan tersebut?
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
LD/SEM II-03/04 10
b. Distribusi Kontinyub. Distribusi Kontinyu
DISTRIBUSI NORMAL: digunakan untuk pengukuran dengan sebaran di sekitar nilai sentral.
Fungsi kepadatan distribusi normal:
02
x,2x
21exp
2
1)x(f
>
∞<<∞
∞<<∞
−−=
σ
µ
σµ
πσ
:Variansi
dan - :rata-Rata
dimana,
-
6
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
LD/SEM II-03/04 11
c. Pendekatan dalam Distribusi Probabilitasc. Pendekatan dalam Distribusi Probabilitas
HIPERGEOMETRIK
BINOMIAL
POISSON
NORMAL
n/N ≤ 0,1
p < 0,1n besar
λ ≥ 10
np > 10p < 1/2
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
LD/SEM II-03/04 12
b. Distribusi Nilai Rata-rataa. Distribusi Nilai Individu
0x
Batas Kendali Atas
Batas Kendali Bawah
xσ3±
Batas Kendali
σ3±
µ
Sebaran nilai
individu
Batas Spesifikasi Atas (posisi optional)
Batas Spesifikasi Bawah (posisi optional) nXXZ
X /σµ
σµ −
=−
=
σµ−
= iXZ
7
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
LD/SEM II-03/04 13
Akurasi → merepresentasikan derajat keseragaman observasi(pengukuran) di sekitar nilai sasaran, yaitu rata-rata.
Presisi → merepresentasikan tingkat variabilitas dari observasi (Dapat terjadi, akurasi ↓, presisi ↑, dan sebaliknya)
(4) AKURASI & PRESISI(4) AKURASI & PRESISI
µ0 = nilai target
A (µ0, σ0)
B (µ0, σ1)
C (µ1, σ1)
A = akurat, kurang presisi B = akurat, presisi C = kurang akurat, kurang presisi
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
LD/SEM II-03/04 14
(5) PETA KENDALI(5) PETA KENDALI
Batas Kendali Atas
Batas Kendali Bawah
Garis Tengah Variasi alamiah, terkandung dalam proses & disebabkan oleh sebab-sebab umum (ada selama proses tidak diubah; tanggung jawab: manajemen).
Variasi tak-alamiah, disebabkan oleh sebab-sebab khusus di luar proses, seperti material, pekerja, peralatan, dll.
0X
Xσ3−
Xσ3+
8
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
LD/SEM II-03/04 15
Peta Kendali
Peta Variabel
Peta-X , s
Peta-X , R
Peta-X, moving range
n besar
n kecil
n = 1
Item cacatPeta p or np
Peta p
n konstan
n variabel
CacatPeta c or u
Peta u
n konstan
n variabel
Peta Atribut
PEMILIHAN PETA KENDALIPEMILIHAN PETA KENDALI
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
LD/SEM II-03/04 16
Kesalahan yang terjadi pada saat nilai sampel berada di luar batas kendalinamun proses sebenarnya dalam kendali (random effect).
KESALAHAN DALAM PENGENDALIAN PROSESKESALAHAN DALAM PENGENDALIAN PROSES
a. Error Tipe I (a. Error Tipe I (αα) : Resiko Produsen) : Resiko Produsen
Kesalahan yang terjadi pada saat nilai sampel berada di dalam batas kendalinamun proses sebenarnya tidak dalam kendali (terjadi pergeseran proses).
b. Error Tipe II (b. Error Tipe II (ββ) : Resiko Konsumen) : Resiko Konsumen
9
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
LD/SEM II-03/04 17
DISTRIBUSI BINOMIAL KUMULATIFDISTRIBUSI BINOMIAL KUMULATIF
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
LD/SEM II-03/04 18
DISTRIBUSI POISSON KUMULATIFDISTRIBUSI POISSON KUMULATIF
10
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
LD/SEM II-03/04 19
DISTRIBUSI DISTRIBUSI NORMAL NORMAL KUMULATIFKUMULATIF
Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK
LD/SEM II-03/04 20
SOAL TES 1 (9 Maret 2005):
1. Untuk menentukan diterima-tidaknya kiriman lot lampu, dilakukan pengujian. Kiriman diterima jika seluruh produk yang diuji baik semua. Ukuran lot 24 unit, jumlah rata-rata cacat dalam setiap lot 3 unit, jumlah produk yang diuji 4 unit. Berapa probabilitas penerimaan setiap lot lampu tersebut?
2. Asumsikan produk lampu yang dikirim dihasilkan dari proses kontinyu dengan proporsi cacat 1/8. Lot lampu akan diterima jika produk yang diuji seluruhnya baik. Jumlah produk yang diuji 4 unit. Berapa probabilitas diterimanya lot lampu tersebut?
3. Rata-rata jumlah cacat komponen elektronik dalam kemasan adalah 3. Berapa probabilitas mendapat 2 komponen cacat yang diambil secara random dari kemasan tersebut?