Hlm. 1 Hlm. 1 LD, Semester II 2003/04
LD, Semester II 2003/04
TI 3221 PENGENDALIAN KUALITAS STATISTIK TI 3221 PENGENDALIAN KUALITAS STATISTIK TI 3221 PENGENDALIAN KUALITAS STATISTIK
TI 3221 PENGENDALIAN KUALITAS STATISTIK
PET
PET
ET
ET
KEND
KEND
KEND
KEND
LI
LI
LI
LI
TRIBUT
TRIBUT
TRIBUT
TRIBUT
LD, Semester II 2003/04 LD, Semester II 2003/04
TOPIK 7
TOPIK 7
Hlm. 2 Hlm. 2 LD, Semester II 2003/04 LD, Semester II 2003/04PEMILIHAN PETA KENDALI
PEMILIHAN PETA KENDALI
PEMILIHAN PETA KENDALI
PEMILIHAN PETA KENDALI
n n 2255 112 2 <<nn< 25< 25 nn 1212 nn=1=1 σ σ ,, X X X X ,, ss X X ,, R R X X ,, MR MR VARIABEL VARIABEL UKURAN SAMPEL UKURAN SAMPEL n n Konstan Konstan Rata2 Rata2nn unit Tdk unit Tdk Konstan Konstan n n Konstan Konstan Proporsi, Proporsi, n nTdkTdk Konstan Konstan c c uu nnpp pp ATRIBUT ATRIBUT UKURAN SAMPEL UKURAN SAMPEL TIPE DATA TIPE DATA
Hlm. 3 LD, Semester II 2003/04
LANGKAH
LANGKAH--LANGKAH
LANGKAH PEMBUATAN PETA KENDALI
PEMBUATAN PETA KENDALI
1. Tetapkan tujuan & karakteristik kualitas yang akan dikendali
1. Tetapkan tujuan & karakteristik kualitas yang akan dikendali kan
kan
2. Tentukan tipe data yang akan digunakan
2. Tentukan tipe data yang akan digunakan
Diskrit: counts, proporsi, persentase, dll.
Kontinyu: semua data pengukuran, seperti panjang, volume, kecepatan, dll.
3. Tentukan pendekatan sampling
3. Tentukan pendekatan sampling
Tentukanukuran subgrup rasional:Subgrup harus cukup besar untuk menentukan peluang yang sama
untuk item cacat ;
Tentukanfrekuensi sampling(jumlah subgrup): f (tingkat produksi, biaya sampling).
4. Tentukan peta kendali yang sesuai
4. Tentukan peta kendali yang sesuai
Peta p:untuk memetakan proporsi/persentase item cacat;
Peta np:untuk memetakan jumlah item cacat (data diskrit);
Peta c:untuk memetakan jumlah cacat per unit yang terjadi dalam area peluang yang konstan (data diskrit);
Peta u: serupa dengan peta c; digunakan untuk memetakan jumlah rata-rata cacat per unit jika area peluang tidak konstan (data diskrit);
Peta individual:untuk memetakan pengukuran individual (data kontinyu);
Peta moving average (MR):untuk memetakan variabilitas proses untuk pengukuran individual (data kontinyu);
Peta R:untuk memetakan variabilitas proses untuk sampling dengan n>1;
Peta :untuk memetakan rata-rata proses dari subgrup sampel (data kontinyu);
Peta EWMA (Exponentially Weighted Moving Average): merupakan alternatif Peta untuk mendeteksi pergeseran proses yang kecil.
X
X
Hlm. 4 LD, Semester II 2003/04
LANGKAH
LANGKAH--LANGKAH PEMBUATAN PETA KENDALILANGKAH PEMBUATAN PETA KENDALI
i sampel mukan pada yang dite item cacat : Jumlah D n ) p 1 ( p 3 p LCL / UCL n g D p i p p n 1 i i
−
−
±
=
∗
=
∑
= ; maka : Tengah Garis n ) p 1 ( p 3 p LCL / UCL aran sesuai sas p p=
0=
;maka p p=
o±
o−
o : Tengah Garis5. Lakukan sampling & pencatatan data pada lembar data yang ses
5. Lakukan sampling & pencatatan data pada lembar data yang ses uai
uai
6. Menghitung garis tengah & batas kendali awal
6. Menghitung garis tengah & batas kendali awal
UNTUK PETA p:
Tanpa p standar (po):
Dengan p standar (po):
7. Koreksi garis tengah & batas kendali
7. Koreksi garis tengah & batas kendali
Untuk peta atribut:
• Hilangkan titik di luar batas kendali atas yang dapat diidentifikasi penyebabnya;
• Tidak disarankan menghilangkan titik di bawah batas kendali bawah (BKB).
8. Implementasikan peta kendali, monitor stabilitas proses mela
8. Implementasikan peta kendali, monitor stabilitas proses melalui peta
lui peta
kendali; Jika terjadi signal tertentu, ambil tindakan yang perlu
kendali; Jika terjadi signal tertentu, ambil tindakan yang perlu ..
9. Hitung ulang garis tengah & batas kendali, jika terjadi peru
9. Hitung ulang garis tengah & batas kendali, jika terjadi perubahan proses
bahan proses
secara signifikan.
secara signifikan.
Hlm. 5 LD, Semester II 2003/04
KONSEP DALAM SAMPLING
KONSEP DALAM SAMPLING
SuplemenTerminologi Sampling
Terminologi Sampling
Desain sampling:
deskripsi prosedur pemilihan observasi dalam suatu sampling.Populasi :
seluruh item penyusun kelompok yang menjadi obyek observasi.Kerangka sampling (sampling frame) :
daftar, basis data, atau identifikator lain dari itemyang tercakup dalam sampel.Contoh: daftar catatan pengiriman suatu barang.
Unit sampling :
Elemen individual atau kumpulan elemen yang tidak overlaping daripopulasi.
Error dalam sampling ; sumber :
Variasi random Mis-spesifikasi dari populasi. Contoh: sampling opini publik
Tidak ada respon
Hlm. 6 LD, Semester II 2003/04
Tipe Sampel
Tipe Sampel
Simple Random Sample
Stratified Random Sample
Populasi tersegmentasi menjadi lebih dari satu stratum & setiap item dipilih secara random pada setiap stratum;
Setiap item dalam populasi mempunyai peluang (walaupun tidak sama) untuk masuk dalam sampel;
Digunakan untuk meredukswi ukuran sampel dala m populasi dengan variansi yang besa r; Umum digunakan untuk strategi mereduksi resiko, di mana bobot lebih besar diberikan pada
sampel dari strata dengan resiko tertinggi;
Populasi Sampel
N n
Setiap item dalam populasi mempunyai peluang yang sama untuk menjadi sampel. Stratum A Stratum B Stratum C Stratum D Stratum A Stratum B Stratum C Stratum D Populasi Populasi dengan 5 segmen Stratified Random Sample
Hlm. 7 LD, Semester II 2003/04
Tipe Sampel
Tipe Sampel
Cluster Sample
Digunakan jika untuk mendapa tkan sampel dari seluruh segmen populasi tidak mung kin, misalnya karena faktor geografis.
Stratum A Stratum B Stratum C Stratum D Stratum A Stratum C Populasi Populasi dengan 5 segmen Cluster Sample Hlm. 8 LD, Semester II 2003/04
Ukuran Sampel
Ukuran Sampel
Untuk Data Kontinyu
Jika B = batas kesalahan yang dapat diterima, maka
Contoh:
Seorang analis ingin mengestimasi rata-rata diameter bor dari hasil pengecoran. Berdasarkan data historis, disetimasikan bahwa deviasi standar diameter bor = 4,2 mm. Jika diinginkan probabilitas rata-rata diameter bor da lam rentang 0,8 mm, tentukan ukuran samp el yang harus
digunakan. 2 2 2 2 / 2 / x 2 /
B
Z
n
n
Z
Z
B
σ
σ
σ
α α α=
=
=
/2 B B106
88
,
105
)
8
,
0
(
)
2
,
4
(
)
96
,
1
(
n
96
,
1
Z
B
Z
n
2 2 2 025 , 0 2 2 2 2 /maka
=
=
≅
=
=
ασ
/2Hlm. 9 LD, Semester II 2003/04
Ukuran Sampel
Ukuran Sampel
Untuk Data Diskrit
Jika B = batas kesalahan yang dapat diterima, maka untuk da ta diskrit (distribusi binomial), B dirumuskan sbb.
Contoh:
Untuk membuat pipa karet, pertama-tama batangan karet dipotong menjadi ukuran tertentu. Potongan tersebut kemudian dilengkung kan membentuk lingkaran & tepinya dilekatkan denga n
tekanan dengan temperatur yang tepat.
Keterampilan operator dan parameter proses seperti temperatu r, tekanan dan ukuran cetakan mempengaruhi produksi pipa karet yang baik. Jika diinginkan dengan probabilitas 90% proporsi pipa karet yang cacat di antara rentang 4%, berap a sampel yang harus digun akan ?
. 2 2 2 α / 2 / x 2 /
B
-p)
1
p(
Z
n
n
-p)
1
p(
Z
Z
B
=
=
=
ασ
α Nilai sebenarnya dari p tidak diketahui,diestimasi dari nilai rata-rata p historis.Jika rata-rata p historis tidak diketahui, maka p = 0,5 yang menghasilkan nilai p(1-p) maksimum (nilai konservatif).
423
8
,
422
)
04
,
0
(
)
05
)(
5
,
0
(
645
,
1
n
645
,
1
Z
B
-p)
1
p(
Z
n
2 5 , 0 2 2 2 α /≅
=
=
=
=
maka
Hlm. 10 LD, Semester II 2003/04CONTOH: Peta Kendali Atribut
CONTOH: Peta Kendali Atribut
Untuk mencegah kebocoran pada kemasan minuman kaleng, dilakukan pengendalian terhadap seal kaleng minuman tersebut. Untuk pengendalian tersebut akan dibuat peta kendali dengan data yang telah dikumpulkan dari hasil inspeksi terhadap 30 sampel masing-masing dengan ukuran 50. Buat peta kendali yang diperlukan tersebut.
347 Jumlah Proporsi Cacat Item Cacat (Di) No Sampel (i) Proporsi Cacat Item Cacat (Di) No Sampel (i) 0,44 0,24 0,34 0,12 0,1 0,2 0,28 0,18 0,32 0,14 0,08 0,2 0,16 0,3 0,24 30 29 28 27 26 25 24 23 22 21 20 19 18 17 16 6 9 13 7 12 9 15 24 18 20 11 13 5 10 8 0,12 22 15 0,18 12 14 0,26 17 13 0,14 6 12 0,24 5 11 0,18 10 10 0,3 14 9 0,48 9 8 0,36 16 7 0,4 7 6 0,22 4 5 0,26 10 4 0,1 8 3 0,2 15 2 0,16 12 1 ) pˆ ( ( pˆ )
Data hasil sampling I :
Data hasil sampling I :
Hlm. 11 LD, Semester II 2003/04 0 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45 0,5 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 2 4 25 26 2 7 28 2 9 30 No Sampe l P r o p o r s i C a c a t ( p )
Peta kendali p :
Peta kendali p :
0524 , 0 50 ) 7687 , 0 )( 2313 , 0 ( 3 2313 , 0 n ) p 1 ( p 3 p BKB 4102 , 0 50 ) 7687 , 0 )( 2313 , 0 ( 3 2313 , 0 n ) p 1 ( p 3 p BKA 2313 , 0 ) 50 )( 30 ( 347 ) 50 )( 30 ( D p 30 1 i i=
−
=
−
−
=
=
+
=
−
+
=
=
=
=
∑
= : Bawah Kendali Batas : Atas Kendali Batas : Tengah GarisTAHAP KONSTRUKSI : Perhitungan-1
BKA = 0,4012
BKB = 0,0524
GT = 0,2313 Material
baru Operatorbaru
Hlm. 12 LD, Semester II 2003/04 0,0 0,1 0,2 0,3 0,4 0,5 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 2 0 2 1 22 23 24 25 26 2 7 28 29 3 0 No Sampel P r o p o r s i C a c a t 0524 , 0 50 ) 7687 , 0 )( 2313 , 0 ( 3 2313 , 0 n ) p 1 ( p 3 p BKB 4102 , 0 50 ) 7687 , 0 )( 2313 , 0 ( 3 2313 , 0 n ) p 1 ( p 3 p BKA 2313 , 0 ) 50 )( 30 ( 347 ) 50 )( 30 ( D p 30 1 i i
=
−
=
−
−
=
=
+
=
−
+
=
=
=
=
∑
= : Bawah Kendali Batas : Atas Kendali Batas : Tengah GarisTAHAP KONSTRUKSI : Perhitungan-2,
hilangkan sampel di luar BKABKA’ = 2313 BKB’ = 0,0524 GT’ = 0,2313 Material baru Operator baru Random
Hlm. 13 LD, Semester II 2003/04
TAHAP
IMPLEMENTASI I :
0,0 0,1 0,2 0,3 0,4 0,5 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 1 7 18 19 2 0 2 1 22 2 3 24 2 5 26 2 7 28 2 9 3 0 31 3 2 33 3 4 35 3 6 37 3 8 39 4 0 4 1 42 4 3 4 4 45 4 6 4 7 48 4 9 50 5 1 5 2 53 5 4 No Sampel P r o p o r s i C a c a t 133 Jumlah Di i Di i 0,06 0,08 0,04 0,12 0,14 0,06 0,12 0,08 0,12 0,1 0,24 0,12 0,18 45 44 54 53 52 51 50 49 48 47 46 45 44 5 6 5 3 6 5 7 6 5 8 4 5 6 0,1 3 43 0,12 4 42 0,1 2 41 0,06 6 40 0,12 7 39 0,1 3 38 0,14 6 37 0,12 4 36 0,1 6 35 0,16 5 34 0,08 12 33 0,1 6 32 0,12 9 31 BKA’ = 2313 BKB’ = 0,0524 GT’ = 0,2313 Material baru Operatorbaru PenyesuaianMesin
BKA” = 0,2240 BKB” = 0 GT” = 0,1108 0 0224 , 0 50 ) 8892 , 0 )( 1108 , 0 ( 3 1108 , 0 BKB 2440 , 0 50 ) 8892 , 0 )( 1108 , 0 ( 3 1108 , 0 BKA 1108 , 0 ) 50 )( 24 ( 133 p
=
→
−
=
−
=
=
+
=
=
=
pˆ pˆ Hlm. 14 LD, Semester II 2003/04TAHAP
KONSTRUKSI
ULANG :
0 0224 , 0 - BKB 2440 , 0 BKA 50 ) 8892 , 0 )( 1108 , 0 ( 3 1108 , 0 n ) p 1 ( p 3 p 01108 p s kendali. batas-bata ksi ulang an konstru lu dilakuk per proses, rata-rata perubahan h terjadi atau Tela Tolak H Z Karena Z 10 , 7 ) 1200 1 1400 1 )( 8331 , 0 )( 1669 , 0 ( 1108 , 0 2150 , 0 Z ) n 1 n 1 )( pˆ 1 ( pˆ pˆ pˆ Z 1669 , 0 1200 1400 ) 1108 , 0 )( 1200 ( ) 2150 , 0 )( 1400 ( n n pˆ n pˆ n pˆ 1108 , 0 pˆ p 2150 , 0 pˆ p ˆ 645 , 1 Z 05 , 0 p p H p p H 0 α 0 0 2 1 2 1 0 2 1 2 2 1 1 2 2 1 1 2 1 1 2 1 0=
=
=
±
=
−
±
=
=
→
>
=
+
−
=
+
−
−
=
=
+
+
=
+
+
=
=
=
=
=
=
→
=
>
=
=
=
; BKA/BKB : Tengah Garis : Keputusan 4. ; : p & p , p Estimasi a. : Z n Perhitunga 3. : ) Z & n kepercayaa (tingkat penerimaan kriteria Penentuan 2. : proses rata -rata perubahan hipotesis Uji 1. 2 1 0 α α αHlm. 15 LD, Semester II 2003/04 Di i Di i Di i 218 Jml 0,10 5 81 0,12 6 94 0,06 3 80 0,10 5 67 0,10 5 93 0,14 7 79 0,10 5 66 0,16 8 92 0,18 9 78 0,12 6 65 0,12 6 91 0,22 11 77 0,14 7 64 0,08 4 90 0,16 8 76 0,08 4 63 0,08 4 89 0,10 5 75 0,06 3 62 0,12 6 88 0,06 3 74 0,04 2 61 0,14 7 87 0,08 4 73 0,10 5 60 0,06 3 86 0,20 10 72 0,08 4 59 0,10 5 85 0,12 6 71 0,12 6 58 0,08 4 84 0,18 9 70 0,10 5 57 0,02 1 83 0,14 7 69 0,14 7 56 0,04 2 82 0,06 3 68 0,16 8 55 pˆ pˆ pˆ