BAB 5
HASIL DAN PEMBAHASAN
5.1 Hasil Pengumpulan Data
5.1.1 Data penjualan Battery Tahun 2003
Untuk mendukung alasan pemilihan kenapa analisis difokuskan pada Grid Casting untuk pelat tipe GLSYB1,4P maka di dalam pengumpulan data ini akan dijabarkan data penjualan Battery sampai bulan Agustus 2004, Lalu data ini akan dianalisis menggunakan Pareto untuk menemukan tipe aki yang paling berperan dalam penjualan aki di PT. Yuasa Battery Indonesia. Karena fokus pembahasan kali ini adalah aki mobil, dan proses perakitan aki mobil dan motor berbeda, maka data yang akan disajikan adalah aki Mobil.
Pareto Data Penjualan
0 20 40 60 80 100
N70 NS40Z 34B19L NS70 NS-40 46B24L N50Z NS40S 46B24R NS40ZL N70Z N150 55B24L N50 NS60S 56024 55559 55B24R N100 56638 N120 N50ZL 95D31R
Tipe
Persentase
Persentase Total Persentase Kumulatif
Diagram 5.1 Diagram Pareto data penjualan produk
Tabel 5.1 Tabel Perhitungan Pareto Type
Battery
Total
Penjualan Kumulatif
Persentase Total
Persentase Kumulatif
N70 12318 12318 18,42357164 18,42357164
NS40Z 12039 24357 18,00628178 36,42985343
34B19L 8165 32522 12,21208495 48,64193838
NS70 7116 39638 10,64313491 59,28507329
NS-40 6500 46138 9,72180676 69,00688005
46B24L 5593 51731 8,365240802 77,37212085
N50Z 3916 55647 5,857014657 83,22913551
NS40S 3370 59017 5,04038289 88,2695184
46B24R 3061 62078 4,578223153 92,84774155
NS40ZL 2830 64908 4,232725097 97,08046665
N70Z 700 65608 1,046963805 98,12743045
N150 458 66066 0,685013461 98,81244391
55B24L 264 66330 0,394854921 99,20729883
N50 160 66490 0,239306013 99,44660485
NS60S 156 66646 0,233323362 99,67992821
56024 130 66776 0,194436135 99,87436434
55559 35 66811 0,05234819 99,92671253
55B24R 32 66843 0,047861203 99,97457374
N100 14 66857 0,020939276 99,99551301
56638 2 66859 0,002991325 99,99850434
N120 1 66860 0,001495663 100
N50ZL 0 66860 0 100
95D31R 0 66860 0 100
Total 66860 100
Dapat Dilihat dari Pareto diatas, Tipe battery yang menggunakan Grid tipe GLSYB 1,4 P yaitu tipe N70, N50Z dan NS 40Z menempati posisi tertinggi dalam penjualan. Maka Pembahasan selanjutnya akan dibatasi pada tipe grid ini, karena sudah mewakili produk yang lain.
5.1.2 Hasil Pengumpulan Sampel data
Yuasa Telah menggunakan sistem pengendalian kualitas dengan menggunakan metode – metode Statistical Quality Control, termasuk juga untuk pengambilan contoh.
Yuasa menggunakan AQL ( Acceptance Quality Level) 2,5 untuk semua inspeksi proses, serta AQL 0,65 untuk komponen Vent Plug di bagian penerimaan. Standar yang dipakai adalah MIL-STD-105-D dengan tingkat inspeksi Single Normal Inspection.
Penggunaan metode ini adalah untuk memotong waktu inspeksi serta menghemat biaya karena jumlah kapasitas produksi yang tinggi dan jumlah tenaga kerja yang terbatas.
Apabila jumlah sample yang diambil sudah melewati batas yang ditolak, maka lot tersebut di-reject , dan akan dilakukan 100% inspection untuk produk yang dibuat pada shift yang sama untuk mencegah terjadinya produk cacat yang keluar ke konsumen.
Data yang akan dianalisa merupakan sejumlah data yang dikumpulkan dari pengamatan di lapangan. Untuk mempermudah pembahasan, maka data yang diambil dan dianalisis adalah data dari salah satu proses saja serta diuji dengan uji kecukupan data. Hal ini dilakukan agar pembahasan menjadi lebih singkat dan sederhana, namun dengan data yang valid dan cukup untuk melakukan pembahasan.
5.1.2.1 Data Variabel dan Data Atribut
Data yang dikumpulkan adalah dari bagian Grid Casting untuk plat tipe GLSYB1,4PParameter yang diukur disini adalah Tebal, serta Berat sebagai perwakilan dari data Variabel, serta data pengecekan secara Fisik ( Penampilan ) untuk mewakili data Attribut. Data dikumpulkan selama 2 minggu. Sampel Data bulan Juli 2004 hasil CheckSheet Grid Casting dapat dilihat pada tabel dibawah ini.
Tabel 5.2 Tabel Hasil Pengumpulan Data Inspeksi
No Berat Tebal ( Subgroup No.) Penampilan ( AQL 2,5 )
1 2 1 2 3 4 Populasi Contoh(n) Cacat 1 107,0 107,2 1,417 1,406 1,394 1,395 1400 50 1(b)
2 106,0 108,0 1,375 1,395 1,393 1,401 3200 100 0 3 105,2 108,0 1,397 1,404 1,420 1,405 3750 100 0 4 107,5 107,0 1,407 1,399 1,394 1,405 2500 82 0 5 104,7 106,7 1,396 1,397 1,395 1,397 4000 100 2(a),3(g) 6 106,7 106,0 1,389 1,399 1,414 1,398 3700 100 3(b),3(a) 7 103,5 108,2 1,390 1,389 1,388 1,415 3050 100 0 8 106,2 104,5 1,395 1,390 1,409 1,391 3100 100 0 9 105,5 106,5 1,366 1,388 1,401 1,399 3800 100 0 10 105,7 107,0 1,392 1,431 1,391 1,388 3250 100 3(d),3©
11 106,5 106,5 1,389 1,400 1,396 1,395 3450 100 0 12 108,0 107,0 1,391 1,398 1,370 1,407 4200 100 0 13 105,7 104,0 1,405 1,417 1,404 1,394 2950 100 0 14 106,7 107,7 1,394 1,391 1,428 1,411 3000 100 0 15 106,7 107,0 1,386 1,407 1,388 1,396 4000 100 2(a) 16 106,5 108,7 1,392 1,392 1,403 1,411 3800 100 3(b) 17 107,0 106,2 1,394 1,392 1,390 1,411 3500 100 1(b) 18 105,5 106,7 1,400 1,372 1,391 1,386 4500 100 0 19 106,7 106,5 1,384 1,394 1,404 1,394 3800 100 2(a) 20 109,0 106,5 1,395 1,385 1,419 1,407 850 32 0 21 102,5 107,5 1,387 1,358 1,405 1,404 5000 100 0 22 101,7 106,5 1,403 1,402 1,391 1,392 4000 100 2(a) 23 107,7 107,0 1,394 1,388 1,408 1,376 4200 100 0 24 105,5 108,5 1,395 1,407 1,405 1,403 4000 100 0 25 104,7 106,7 1,408 1,407 1,375 1,391 4900 100 0 26 102,0 108,5 1,388 1,379 1,388 1,386 5000 100 3(b) 27 103,5 107,2 1,358 1,409 1,393 1,417 3800 100 1(b) 28 107,7 107,0 1,398 1,397 1,421 1,411 4200 100 0 29 107,7 106,5 1,420 1,388 1,404 1,390 4000 100 2©
30 108,0 108,2 1,388 1,420 1,396 1,395 4000 100 2(e) 31 107,2 106,5 1,380 1,417 1,413 1,407 3700 100 0 32 107,2 106,5 1,409 1,410 1,425 1,438 4900 100 2©
33 106,7 108,0 1,393 1,387 1,375 1,410 4000 100 0 34 108,2 109,0 1,408 1,382 1,399 1,393 3500 100 0 35 106,0 107,5 1,397 1,399 1,396 1,429 3750 100 3(b),2©
36 105,0 104,0 1,403 1,390 1,400 1,392 4450 100 0 37 105,7 107,0 1,399 1,403 1,402 1,415 3900 100 2(a) 38 102,5 107,5 1,378 1,427 1,387 1,400 4000 100 0 39 106,0 108,5 1,390 1,393 1,405 1,393 3700 100 0 40 102,5 107,0 1,388 1,371 1,397 1,408 4200 100 1(b)
Keterangan Cacat Penampilan dari tabel diatas : a. Retak
b. unfilled ( tidak terisi )
c. Fins ( kelebihan timah di dalam panel) d. Flash (kelebihan timah di luar panel ) e. Lubang
f. Berubah bentuk g. Shrinkage h. Lain – Lain
Ukuran Standar Tebal dari Battery Grid:
Partial Value ( per satuan pengukuran ) = 1,40± 0,15 mm Mean Value ( rata – rata per subgroup ) = 1,40± 0,05 mm
Ukuran Standar Berat dari Battery Grid:
Mean Value ( rata – rata per subgroup ) = 103± 8 gram
5.1.2.2 Data Historis Kerusakan
Data Historis Kerusakan ini dikumpulkan dengan tujuan untuk digunakan pada analisis dan implementasi Metode Failure Mode and Effects Analysis ( FMEA ) dalam usulan perbaikan metode analisis yang akan dibuat. Tentunya untuk Penyebab variansi yang khusus tidak dimasukkan dalam analisis.
Tabel 5.3 Tabel Faktor Penyebab Reject Tgl Masala
h Sebab Penyebab Masalah
Tindakan Preventive
Penanggulangan
Sementara Faktor
22/01/
2004
Ketebala n Plat tidak
Standar (Terlalu tebal)
Mesin
Spraygun Rusak pada frame atas
spraygun lama
Hasil produksi selalu di - check tiap 300 panel bersama operator
Dicek ulang dan
dilebur 350 Panel Khusus
08/03/
2004 Retak Manusia
Kontrol kurang teliti
Dilakukan pengecekan per 200 panel saat produksi
Dicek ulang dan
dilebur 500 Panel Umum
23/03/
2004 Retak Metode
Sedikit bergelomb ang
Sebelum Melakukan produksi, setiap setelah di- spray harus disapu kawat
Semua produk dicek ulang sambil ditekuk2, dilebur 400 panel
Umum
20/04/
2004 Retak Metode Sedikit bergelomb ang
Sebelum Melakukan produksi, seitap setelah di- spray harus disapu kawat
Semua produk dicek ulang sambil ditekuk2, dilebur 400 panel
Umum
24/04/
2004 Retak Manusia
Kontrol Kurang teliti
Diberi Pengarahan agar lebih teliti dalam pengecekan mold, dibuat Checklist tiap shift.
Dilebur total 900
Panel Umum
27/07/
2004 Retak Manusia
Kontol Kurang Teliti
Diberi Pengarahan agar lebih teliti dalam pengecekan mold, dibuat Checklist tiap shift.
Dilebur total 1000
Panel Umum
28/04/
2004
Ketebala n Plat tidak
Standar (Terlalu tipis)
Manusia
Operator belum menguasai metode Spray untuk tipe AMB
Untuk type GLSYB 1,4P dilakukan pengecekan ulang tiap 450 panel atau 1/2 shift
Dicek ulang dan
dilebur 900 Panel Umum
13/05/
2004 Retak Manusia
Kontol Kurang Teliti, operator Baru
Diberi Pengarahan agar lebih teliti dalam pengecekan mold, dibuat Checklist tiap shift.
Dilebur total 1800
Panel Umum
12/06/
2004 Retak Manusia
Kontol Kurang Teliti
Pengecekan diperketat per 1/2 shift 350 unit, dibuat Checklist tiap shift.
Dilebur total 500
Panel Umum
13/06/
2004 Retak Metode Cara Spray salah
Cara Spray diperbaiki dan setelah spray harus disapu
kawat. isi checklist selama 1 mg
Dicek ulang dan dilebur ulang 650 Panel
Umum
16/06/
2004
Ketebala n Plat tidak
standar ( Terlalu Tebal )
Manusia
Tidak dikontrol saat perbaikan Spraygun
Dicek
setiap 1/2 Shift
Dicek ulang, dilebur 600 panel Khusus
18/07/
2004 Retak Manusia
Kontol Kurang Teliti
Pengecekan diperketat per 1/2 shift , dibuat
Checklist tiap shift.
Dilebur total 500
Panel Umum
07/08/
2004 Retak Manusia
Kontol Kurang Teliti
Pengecekan diperketat per 1/2 shift , dibuat
Checklist tiap shift.
Dilebur total 200
Panel Umum
08/08/
2004 Retak Manusia
Kontrol kurang teliti
Operator diberi pengarahan langsung dan harus isi checklist 1 mgg
Dicek ulang dan dilebur total 700 Panel
Umum
14/08/
2004 Retak Material Timah baru
dikuras , kandungan kurang stabil, hasil Grid rapuh
Melting Pot diberi
timah 2 potong
Dilebur total 1100
panel Umum
5.1.2.3 Pengumpulan Data Cost Of Poor Quality
Cost Of Poor Quality adalah Biaya yang dikeluarkan untuk kualitas yang buruk, misalnya biaya untuk memproduksi produk yang cacat, yaitu :
Diketahui Produksi rata - rata 1 hari = 80.000 unit total 24 Mesin dengan 3 Shift 24 Jam.
Kapsitas Produksi per jam per mesin =
24
* 24
80000
=138.89 unit
Biaya Listrik : 1 Kwh = Rp 500,-
1 unit Mesin = (18A + 12A + 8A + 50A ) *220V = 19,360 Kwh Biaya listrik per unit Grid = 500
24 00024 . 80
360 ,
19 x
x
Kwh = Rp. 69,64 per unit
Biaya tenaga kerja :
1 Mesin = 1 Operator per Shift
Gaji operator per bulan Rata – rata = Rp 750.000,-
Hari Kerja per bulan rata – rata 25 hari dengan 8 jam kerja per hari Biaya Tenaga kerja per unit Grid = =
3 25 24
80000 750000
x
Rp 27 per unit
Biaya Gas :
1 Mesin = 5 Kg Gas per jam 1 Kg gas alam = Rp 1750,- Biaya Gas per unit Grid =
24 24 80000
1750 5
x
x = Rp 63,- per unit
Biaya Timah :
Harga 1 Ton timah = Rp 9.000.000,-
1 Grid membutuhkan rata – rata 100 gram timah Biaya timah per Grid = .9000000
1000000
100 xRp = Rp 900,- per unit
Biaya timah ini akan ada apabila Reject baru diketahui di divisi Pasting, dimana Grid patah setelah terkena Pasta, yang berakibat Grid sama sekali tidak dapat dilebur ulang. Sedangkan bila terjadi di saat sebelum keluar divisi Grid Casting maka operator akan melebur lagi dan hanya kehilangan biaya energi dan tenaga kerja.
5.2. Hasil Analisa Data dan Pembahasan
Sesuai dengan pemilihan proses di awal, Pembahasan akan difokuskan pada proses produksi Grid Casting untuk Grid No. GLS YB 1,4 P. Untuk sistematika pembahasan yang lebih terstruktur maka akan digunakan metode Six Sigma untuk melakukan perbaikan proses ini, maka pembahasan ini akan melalui 5 tahap DMAIC ( Define-Measure-Analysis-Improve-Control ).
5.2.1 DEFINE
Tahap ini merupakan tahapan untuk mendefinisikan proses yang akan dibahas selanjutnya sebelum menentukan karakteristik kualitas dan kebutuhan pelanggan yang lain. Untuk menggambarkan proses digunakan Diagram SIPOC ( Supplier, Input, Process, Output, Customer seperti dbawah ini :
Suppliers Inputs Processes Outputs Customers
PT. Muhtomas (Lead Antimony) Yuasa Japan (Spray Material)
Bentonite, Cork Powder, Water
Glass
Lead Antimony kadar antimoni (Sb)PbSb sebesar 2,5% - 3,5%.
Mixed Spray Material Temperatur Tepat Metode Spray tepat
Pemilihan Mold Sesuai jenis Grid
Grid Battery
GLSYB 1,4 P Divisi Pasting
Spray mold
Scrap Mold
Setting Tempera tur tepat
Timah dlelehkan
Timah Dialirkan
ke Cetakan
Grid Dipotong
sesuai ukuran
Grid Melalui Proses Ageing 2 - 4 hari
Diagram 5.2 Diagram Analisa SIPOC Keterangan dari Analisa SIPOC diatas :
Supplier menentukan kualitas bahan Lead antimony (PbSb ) dengan kadar Antimony
antara 2,5 – 3,5%, yang sebelum memasuki produksi harus ditest di lab untuk kadarnya, apabila tidak memenuhi maka akan menyebabkan hasil cetakan tidak sempurna, sedangkan untuk bahan aktif material telah dibuat di jepang dan tidak memerlukan pengecekan lebih lanjut.
Input yang menentukan adalah setting temperatur mesin yang telah ditentukan sesuai dengan panduan dari Yuasa Jepang untuk menjaga tingkat kekentalan timah. Dimana setting mesin ini sudah secara otomatis, dan yang paling memungkinkan untuk menyebabkan defect adalah beda temperatur yang sangat kecil di dalam mold yang ditentukan oleh bahan aktif material yang dispray dan metode spray nya.
Proses : Metode yang menentukan kualitas grid yang dihasilkan adalah metode spray pada awal proses untuk mempersiapkan mold sebelum melakukan pencetakan timah.
Apabila metode spray belum dikuasai, maka hasil cetakan sangat mungkin cacat berupa retak atau grid yang rapuh.
Output Hasil Grid yang telah keluar dari cetakan ini akan dicek seacara fisik oleh operator terlebih dahulu, baru setiap shift ada petugas yang melakukan inspeksi dari produk yang telah dibuat. Apabila terjadi kerusakan , maka semua grid yang dihasilkan dalam lot yang sama akan dicek dan yang rusak akan dilebur ulang.
Customer disini merupakan proses selanjutnya yang menggunakan hasil dari Grid Casting ini, yaitu bagian Pasting, dimana Grid yang telah jadi masuk ke mesin untuk dilapisi dengan pasta. Seringkali apabila komposisi Grid tidak baik dan retak, maka di proses grid casting ini akan terjadi korosi ataupun rusak, dan haurs dibuang.
5.2.2 MEASURE
Dalam Tahap measure ini, akan dilakukan beberapa analisa untuk menentukan bagaimana kondisi porses yang sedang berjalan saat ini dan apa target yang ingin dicapai setelah dilakukan perbaikan dengan metode Six Sigma, diantaranya:
1. Penentuan Karakteristik Critical To Quality, yaitu apa saja karakteristik produk yang dibutuhkan dan sangat kritis bagi konsumen yang merupakan proses pasting yang menggunakan produk dari divisi Grid Casting ini.
2. Karakteristik Target yang diinginkan oleh manajemen untuk sasaran jangka pendek dan jangka panjang kedepan.
3. Pengukuran kondisi saat ini dengan berapa besar tingkat sigma , Defect per Million Opportunities (DPMO), dan juga Kapabilitas Proses saat ini.
4. Penentuan Cost of Poor Quality ( COPQ ) , yaitu biaya yang timbul akibat diproduksinya produk cacat dalam proses ini.
5.2.2.1 Penentuan Critical To Quality Jenis cacat yang ada di bagian Grid Casting ini adalah :
1. Ketebalan tidak standar, yaitu akibat pelat yang memiliki tebal melewati atau kurang dari batas toleransi standar untuk jenis tersebut. Hal ini dapat diakibatkan oleh setting mesin yang salah, kondisi mold sudah aus, atau beberapa faktor lainnya. Akibat yang dapat ditimbulkan adalah pelat yang mudah korosi saat melalui proses pasting apabila terlalu tipis, serta tidak masuk ke container apabila terlalu tebal.
2. Berat tidak standar, hal ini dapat terjadi apabila berat material plat melebihi standar, hal ini hanya berakibat pada borosnya penggunaan material. Sedangkan apabila berat dibawah standar , dimungkinkan material yang masuk memiliki komposisi yang salah.
3. Cacat Fisik / penampilan, yaitu cacat yang dapat terlihat dengan mata , untuk cacat penampilan dapat digolongkan pada :
o Retak ; apabila grid patah di salah atu kisi – kisinya dengan karakteristik tertentu sehingga grid tidak dapat mengalirkan listrik dengan baik bila digunakan.
o unfilled ( tidak terisi ): yaitu kondisi dimana grid tidak penuh pada salah satu kisi – kisinya.
o Fins ( kelebihan timah di dalam panel): yaitu apabila antara kisi – kisi grid terdapat lelehan timah.
o Flash (kelebihan timah di luar panel ): yaitu apabila lelehan timah ada diluar panel
o Lubang : yaitu bila ada kisi – kisi yang tidak terisi penuh, sehingga berlubang.
o Berubah bentuk: Yaitu akibat panas yang berlebih sehingga grid nya rusak dan tidak memiliki bentuk yang simetris.
o Shrinkage : yaitu Grid pada saat pendinginan mengalami penyusutan bentuk sehingga tak sesuai dengan spesifikasi.
Dari kerusakan – kerusakan yang terjadi di atas, maka dapat ditentukan Critical To Qualitynya adalah :
Tabel 5.4 Tabel Penentuan Critical To Quality Persyaratan
Output
Karakteristik kualitas (CTQ)
Metrik Kinerja Internal
Deskripsi Critical To Quality
Ketebalan Grid XR Chart Tebal Melebihi Standar Tebal Dibawah standar Berat Grid XR Chart Berat Melebihi standarr
Berat Dibawah standar Kualitas
Grid
GLSYB1,4P
Penampilan Grid % lot yang ditolak
a. Retak b. unfilled c. Fins d. Flash e. Lubang
f. Berubah bentuk g. Shrinkage
5.2.2.2 Karakteristik Target
Karakteristik Target jangka pendek perusahaan yang ingin dicapai adalah untuk meningkatkan kapabilitas proses menjadi lebih baik daripada kondisi saat ini, dan tentunya untuk jangka panjang adalah mencapai kinerja yang memenuhi standar Six Sigma, dengan 3,4 unit produk cacat per 1 juta unit produksi, dapat digambarkan di tabel 5.5 dibawah ini, yaitu :
Tabel 5.5 Tabel Karakteristik Target Karakteristik
kualitas (CTQ)
Metrik Kinerja Internal
Kondisi Saat ini Target Jangka Pendek
Kondisi Ideal
Ketebalan Grid XR Chart
Cp = 1,314 Cpk = 1,27 Cpm = 1,298 Cpmk = 1,246 Sigma = 5,23
Cp = 1,45 Cpk = 1,33 Cpm = 1,5 Cpmk = 1,5 Sigma = 5,5
Cp = 1,33 Cpk = 1,33 Cpm = 2 Cpmk = 2 Sigma = 6 Berat Grid XR
Chart
Cp = 1,735 Cpk = 0,98 Cpm = 0,70 Cpmk = 0,397 Sigma = 4,45
Cp = 1,9 Cpk = 1,1 Cpm = 0,9 Cpmk = 0,6 Sigma = 5,6
Cp = 1,33 Cpk = 1,33 Cpm = 2 Cpmk = 2 Sigma = 6 Penampilan
Grid
% lot Rejection
Cp = 0,9 Cpk = 0,82 Sigma = 4,59
Cp = 1,2 Cpk = 1,2 Sigma = 5
Cp = 1,33 Cpk = 1,33 Sigma = 6
5.2.2.3 Pengukuran Kapabilitas Proses saat ini
Sebelum dilakukan pengukuran Kapabilitas proses dan DPMO ini, perlu diuji dahulu apakah data yang diambil dari perusahaan telah mencukupi untuk mewakili proses sebenarnya.
5.2.2.3.1 Uji Kecukupan Data
Uji kecukupan Data diujicobakan kepada salah satu data, misal data Tebal Grid sebagai sampel , apabila data tersebut cukup, maka jumlah data sampel yang diambil sejumlah 40 merupakan data valid untuk digunakan pada perhitungan ini.
Tabel 5.6 Tabel Perhitungan Uji Kecukupan Data No Tebal ( Subgroup No.)
1 2 3 4 Jumlah X bar X bar^2 1 1,417 1,406 1,394 1,395 5,612 1,403 1,968409 2 1,375 1,395 1,393 1,401 5,564 1,391 1,934881 3 1,397 1,404 1,420 1,405 5,626 1,4065 1,97824225 4 1,407 1,399 1,394 1,405 5,605 1,40125 1,963501563 5 1,396 1,397 1,395 1,397 5,585 1,39625 1,949514063 6 1,389 1,399 1,414 1,398 5,600 1,4 1,96
7 1,390 1,389 1,388 1,415 5,582 1,3955 1,94742025 8 1,395 1,390 1,409 1,391 5,585 1,39625 1,949514063 9 1,366 1,388 1,401 1,399 5,554 1,3885 1,92793225 10 1,392 1,431 1,391 1,388 5,602 1,4005 1,96140025 11 1,389 1,400 1,396 1,395 5,580 1,395 1,946025 12 1,391 1,398 1,370 1,407 5,566 1,3915 1,93627225 13 1,405 1,417 1,404 1,394 5,620 1,405 1,974025 14 1,394 1,391 1,428 1,411 5,624 1,406 1,976836 15 1,386 1,407 1,388 1,396 5,577 1,39425 1,943933063 16 1,392 1,392 1,403 1,411 5,598 1,3995 1,95860025 17 1,394 1,392 1,390 1,411 5,587 1,39675 1,950910563 18 1,400 1,372 1,391 1,386 5,549 1,38725 1,924462563 19 1,384 1,394 1,404 1,394 5,576 1,394 1,943236 20 1,395 1,385 1,419 1,407 5,606 1,4015 1,96420225 21 1,387 1,358 1,405 1,404 5,554 1,3885 1,92793225 22 1,403 1,402 1,391 1,392 5,588 1,397 1,951609 23 1,394 1,388 1,408 1,376 5,566 1,3915 1,93627225 24 1,395 1,407 1,405 1,403 5,610 1,4025 1,96700625 25 1,408 1,407 1,375 1,391 5,581 1,39525 1,946722563 26 1,388 1,379 1,388 1,386 5,541 1,38525 1,918917563 27 1,358 1,409 1,393 1,417 5,577 1,39425 1,943933063 28 1,398 1,397 1,421 1,411 5,627 1,40675 1,978945563 29 1,420 1,388 1,404 1,390 5,602 1,4005 1,96140025 30 1,388 1,420 1,396 1,395 5,599 1,39975 1,959300063 31 1,380 1,417 1,413 1,407 5,617 1,40425 1,971918063 32 1,409 1,410 1,425 1,438 5,682 1,4205 2,01782025 33 1,393 1,387 1,375 1,410 5,565 1,39125 1,935576563 34 1,408 1,382 1,399 1,393 5,582 1,3955 1,94742025 35 1,397 1,399 1,396 1,429 5,621 1,40525 1,974727563 36 1,403 1,390 1,400 1,392 5,585 1,39625 1,949514063 37 1,399 1,403 1,402 1,415 5,619 1,40475 1,973322563 38 1,378 1,427 1,387 1,400 5,592 1,398 1,954404 39 1,390 1,393 1,405 1,393 5,581 1,39525 1,946722563 40 1,388 1,371 1,397 1,408 5,564 1,391 1,934881 Jumlah 55,91275 78,15766331 Rata2 1,39781875 1,953941583
N = 40
k/s = 16,5 dengan tingkat keyakinan 90% dan tingkat ketelitian 10 %.
Pemilihan tingkat keyakinan dan ketelitian ini didasarkan oleh kondisi pengecekan secara visual yang paling umum dan dianggap pengukuran memerlukan tingkat presisi yang cukup tinggi.
2 2
2 ( )
' /
−
=
∑ ∑ ∑
xj
xj xj
N s
N k =
2 2
91275 , 55
) 91275 , 55 ( ) 15766331 ,
78
* 40 ( 5 , 16
−
N’ = 0,006176103
Karena N’< 40 , maka data disimpulkan cukup.
5.2.2.3.2 Data Tebal
Data tebal memiliki subroup sebesar 4 buah untuk tipe GLSYB1,4P ini, karena setiap patroli dan pengukuran diambil 4 data. Dibawah ini adalah Peta Kendalinya :
Peta Kendali X & R ini menggunakan perhitugan statistik dari data yang ada pada sampel yang akan dibahas, perhitungan USL dan LSL dalam bats 3 sigma dengan menggunakan rumus sebagai berikut :
Dengan diketahui :
X = 1,398, R = 0,027 , dan n = 40.
Karena Subgroup 4 maka didapat data berikut : A2 = 0,729 ,D4 = 2,282 ,D3 = 0
Maka Batas – Batas kendalinya adalah :
Peta Kontrol X
CL = X = 1,39724 UCL = X + A2. R = 1,41668 LCL = X – A2. R = 1,37780 Peta Kontrol R
CL = R = 0,02667
UCL = D4. R = 0,06085 LCL = D3. R = 0 Standar deviasi = 0,01268
3 Sigma X Chart
1,351,36 1,37 1,38 1,391,4 1,41 1,42 1,43
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 Subgroup
X Value
X bar LCL CL UCL
Grafik 5.1 Grafik X Chart Tebal
Dari Peta kendali diatas didapat pada periode ke 32 sedang ada perbaikan mesin sehingga produk yang dihasilkan tidak memenuhi spesifikasi, maka revisinya adalah seperti yang dibawah ini:
3 Sigma X Chart
1,35 1,36 1,37 1,38 1,39 1,4 1,41 1,42
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 Subgroup
X Value
X bar LCL CL UCL
Grafik 5.2 Grafik X Chart Tebal Revisi
3 Sigma R Chart
0 0,02 0,04 0,06 0,08
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 Subgroup
Range
Range LCL CL UCL
Grafik 5.3 Grafik R Chart Tebal Revisi
Perhitungan Kapabilitas proses dengan Spesifikasi USL dan LSL hasil perhitungan : Perhitungan Cp :
σ 6
LSL Cp USL−
= =
) 0,01268 (
6
38 , 1 42 ,
1 −
= 0,5110
Perhitungan CpK :
01268 , 0 3
38 , 1 398 , 1
3SD x
LSL
CPL= X − = − = 0,5311
01268 , 0 3
398 , 1 42 , 1
3SD x
X
CPU =USL− = − = 0,4909
CpK = Min[CPL ; CPU] = Min[0,5311 ; 0,4909] = 0,4909
Apabila Peta kendali X tersebut diplot dengan batas – batas kendali yang disesuaikan dengan spesifikasi proses yang telah ditentukan oleh bagian teknik untuk proses grid casting ini, maka akan didapat X chart yang baru sebagai berikut :
X Chart ( Standard )
1,3 1,35 1,4 1,45 1,5
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 Subgroup No.
Tebal
LCL Std CL Std UCL Std Mean
Grafik 5.4 Grafik X Chart Tebal dengan standar teknis Perhitungan Kapabilitas Proses dengan Spesifikasi Teknis :
Untuk data tebal ini, spesifikasi proses yang telah ditentukan sebagai toleransi yang diinginkan oleh konsumen yang dalam hal ini adalah divisi pasting sebagai demikian :
USL = 1,45 mm CL = 1,40 mm LSL = 1,35 mm
Dengan Menggunakan USL dan LSL dari spesifikasi, maka dihitung :
σ 6
LSL Cp USL−
= =
) 0,01268 (
6
35 , 1 45 ,
1 −
= 1,31441
Sedangkan untuk perhitungan CpK adalah :
01268 , 0 3
35 , 1 398 , 1
3SD x
LSL
CPL= X − = − = 1,26183
01268 , 0 3
398 , 1 45 , 1
3SD x
X
CPU =USL− = − = 1,366982
CpK = Min[CPL ; CPU] = Min[1,33;1,44] = 1,26183
Dari hasil perhitungan Cp dan Cpk diatas, didapatkan bahwa nilai Cp dan Cpk sudah mendekati sempurna yaitu 1,33, oleh karena itu dibuat perhitungan dengan menggunakan indeks Cpm dan Cpmk yang berhubungan pula dengan indeks Cp dan Cpk diatas. Hal ini diperlukan karena Indeks kapabilitas proses Cp dan Cpk hanya diperuntukkan bagi proses yang memiliki kemampuan maksimal 4 Sigma, maka dengan Cp atau Cpk diatas 1,33 saja sudah dianggap baik, sedangkan Indeks Cpm dan Cpmk diperuntukkan bagi proses yang dengan sigma mendekati 6, sehingga dapat dihitung lebih akurat, karena proses dianggap baik apabila memiliki Cpm dan Cpmk diatas 2.
2 2 2
2 6 (1,398 1,40) 0,01268 )
35 , 1 45 , 1 ( )
( 6
) (
+
−
= − +
−
= −
S T X
LSL
Cpm USL = 1,298355
2 2
01268 , 0
) 4 , 1 398 , 1 1 (
36 , 1 )
1 (
−
+
=
−
+
=
S T X
Cpmk Cpk = 1,24642
Analisa :
Berdasarkan dari hasil pengukuran diatas, maka didapatkan bahwa CpmK sebesar 1,24642 yang berarti CpmK berada antara range 1,00 – 1,99 dan proses dianggap cukup mampu, serta memiliki kesempatan terbaik untuk dapat dikembangkan dengan Six Sigma. Sedangkan untuk parameter pengukuran kinerja yang saat ini dipakai perusahaan yaitu CpK, didapat CpK sebesar 1,26183 yang berarti sudah baik.
Adanya perbedaan antara Cp dan Cpk apabila dihitung dengan menggunakan USL dan LSL hasil perhitungan dengan apabila menggunakan Cp dan Cpk dengan USL
dan LSL yang telah ditetapkan disebabkan karena proses ini sebenarnya sudah sangat baik, sehingga apabila menggunakan USL dan LSL hasil perhitungan yang hanya menggunakan data yang sangat sedikit dan tidak stabil akan didapatkan Cp dan Cpk yang kecil. Serta apabila produk sudah memenuhi batas spesifikasi yang diberikan oleh bagian teknik, yaitu antara 1,35 sampai 1,45 mm, produk ini sudah sangat baik. Maka untuk selanjutnya perhitungan akan menggunakan Spesifikasi Teknis yang sudah ditetapkan, dan tidak menggunakan data USL dan LSL hasil perhitungan.
Perhitungan DPMO
Kemungkinan Cacat diatas USL = ( ) 1.000.000 S x
X Z USL
P
−
≥
= 1.000.000
01268 , 0
398 , 1 45 ,
1 x
Z
P
−
≥
= P
{
1−(Z ≤4,1009)}
x1.000.000= 20,58437 Kemungkinan Cacat dibawah LSL = ( ) 1.000.000S x X Z LSL
P
≤ −
= 1.000.000
01268 , 0
398 , 1 35 ,
1 x
Z
P
≥ −
= P
{
1−(Z ≤−3,78549)}
x1.000.000= 76,72854 Defects per Million Opportunities (DPMO) = 97,31291 unitDidapat bahwa Sigma Level dari tabel Konversi nilai sigma adalah 5,22589 Sigma Bisa dikatakan untuk data tebal, hasil yang diperoleh sudah sangat baik dan hanya memerlukan sedikit improvement untuk mencapai kualitas Six Sigma, dengan DPMO sebesar 3,4 unit per satu juta produk. Karena sebernarnya proses ini sudah baik.
5.2.2.3.3 Data Berat
Data berat memiliki subroup sebesar 2 buah untuk tipe GLSYB1,4P ini, karena setiap patroli dan pengukuran diambil 2 data. Dibawah ini adalah Peta Kendalinya :
Peta Kendali X & R ini menggunakan perhitugan statistik dari data yang ada pada sampel yang akan dibahas, perhitungan USL dan LSL dalam batas 3 sigma dengan menggunakan rumus sebagai berikut :
Dengan diketahui :
X = 106,4413 , R = 1,873 , dan n = 40.
Karena Subgroup 2 maka didapat data berikut : A2 = 1,88 ,D4 = 3,267 ,D3 = 0
Maka Batas – Batas kendalinya adalah : Peta Kontrol X
CL = X = 106,47179 UCL X + A2. R = 109,76903 LCL = X – A2. R = 103,17456 Peta Kontrol R
CL = R = 1,75385
UCL = D4. R = 5,72952 LCL = D3. R =0
Standar deviasi = 0,01268
3 Sigma X Chart
95,0 100,0 105,0 110,0 115,0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 Subgroup
X Value
X bar LCL CL UCL
Grafik 5.5 Grafik X Chart Berat
3 Sigma R Chart
0 2 4 6 8
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 Subgroup
Range
Range LCL CL UCL
Grafik 5.6 Grafik R Chart Berat
Karena pada data 26 sedang ada perbaikan mesin, sehingga setelah produksi hasil yang diperoleh diluar range dan banyak variasinya, maka data itu tidak diambil, dan revisinya adalah seperti dibawah ini :
3 Sigma X Chart
95,0 100,0 105,0 110,0 115,0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39
Subgroup
X Value
X bar LCL CL UCL
Grafik 5.7 Grafik X Chart Berat Revisi
3 Sigma R Chart
0 2 4 6 8
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 Subgroup
Range
Range LCL CL UCL
Grafik 5.8 Grafik R Chart Berat Revisi
Apabila Peta kendali X tersebut diplot dengan batas – batas kendali yang sebenarnya, yaitu yang sesuai dengan spesifikasi proses yang efisien untuk proses Grid casting ini, maka akan didapat X chart yang baru sebagai berikut :
X Chart ( Standard )
90 120
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39
Subgroup
Berat
LCL Std CL Std UCL Std Mean
Grafik 5.9 Grafik X Chart Berat dengan standar teknis Perhitungan kapabilitas proses dengan spesifikasi teknis:
Untuk data berat ini, spesifikasi proses yang telah ditentukan sebagai toleransi yang diinginkan oleh konsumen yang dalam hal ini adalah divisi pasting sebagai demikian :
UCL = 111 gram CL = 103 gram LCL = 95 gram
Perhitungan Cp :
σ 6
LSL Cp=USL− =
) 536559 ,
1 ( 6
103 111−
= 1,7355
Perhitungan Cpk :
536559 ,
1 3
95 4718 , 106
3SD x
LSL
CPL X −
− =
= = 2,4886
536559 ,
1 3
4718 , 106 111
3SD x
X
CPU USL −
− =
= = 0,9823
CpK = Min[CPL ; CPU] = Min[2,4886; 0,9823= 0,9823 Perhitungan Cpm dan Cpmk :
2 2 2
2 6 (106,4718 103 1,536559 )
95 111 ( )
( 6
) (
+
−
= − +
−
= −
S T X
LSL
Cpm USL = 0,702377
2 2
536559 ,
1
) 4718 , 106 1 (
982325 ,
0 )
1 (
+
=
−
+
=
S T X
Cpmk Cpk = 0,397563
Analisa:
Berdasarkan dari hasil pengukuran diatas, maka didapat kan bahwa CpmK sebagai parameter pengukuran kalau kondisi saat ini memiliki CpmK sebesar 0,397563 yang berarti CpmK berada dibawah 1,00 dan proses dianggap sangat buruk dan perlu dibenahi, Sedangkan untuk parameter pengukuran kinerja yang saat inii dipakai perusahaan yaitu CpK, didapat CpK sebesar 0,982325 yang berarti proses masih berada diatas spesifikasi dan berarti masih perlu perbaikan.
Perhitungan DPMO
Kemungkinan Cacat diatas USL = ( ) 1.000.000 S x
X Z USL
P
≥ −
= 1.000.000
536559 ,
1
4718 , 106
111 x
Z
P
−
≥
= P
{
1−(Z ≤2,946974)}
x1.000.000= 1604,567399 Kemungkinan Cacat dibawah LSL = ( ) 1.000.000S x X Z LSL
P
−
≤
= 1.000.000
536559 ,
1
4718 , 106
103 x
Z
P
≥ −
=P
{
1−(Z ≤−7.65903)}
x1.000.000= 0,0000000417 Defects per Million Opportunities (DPMO) = 1604,567 unitDidapat bahwa Sigma Level dari tabel Konversi nilai sigma adalah 4,4469 Sigma
Bisa dikatakan untuk data tebal, hasil yang diperoleh sudah sangat baik dan hanya memerlukan sedikit improvement untuk mencapai kualitas Six Sigma, dengan DPMO sebesar 3,4 unit per satu juta produk.
5.2.2.3.4 Data Penampilan
Pengambilan sampel untuk penampilan Grid ini menggunakan metode sampling Normal Inspection dengan MIL-STD-105D dengan AQL 2,5. oleh karena itu didapat jumlah sampel yang berbeda – beda sesuai dengan besarnya lot produksi yang dilakukan. Pengamatan dilakukan dengan cara visual, lalu bila ada cacat dicatat, apabila sudah melewati AQL, maka satu lot tersebut akan reject.. namun tetap dicatat untuk
kendalinya dengan menggunakan rumus berikut dengan batas kendali yang berbeda untuk setiap sampel.
3 sigma CL = p
UCL = p 3+ Sp LCL = p 3− Sp
Dengan
n p Sp p(100− )
=
P Chart 3 Sigma
0 0,02 0,04 0,06 0,08
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 Subgroup
Non Conformities
p LCL CL UCL
Grafik 5.10 Grafik P Chart Penampilan
Karena Ternyata pada data di subgroup 6,7,10, dan 35 terdapat penyimpangan yang setelah dianalisis ternyata akibat kerusakan mesin, sehingga bukan merupakan penyebab umum yang sering terjadi, oleh karena itu dapat diabaikan dan peta kendali dapat direvisi sebagai berikut :
P Chart 3 Sigma
0 0,01 0,02 0,03 0,04 0,05 0,06
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 Subgroup
Non Conformities
p LCL CL UCL
Grafik 5.11 Grafik P Chart Penampilan Analisa Kapabilitas
Perhitungan kapabilitas proses (Cp) untuk data penampilan adalah sebagai berikut:
Diketahui dari perhitungan proporsi cacat adalah 0,692841 % a = 1 –
2 x 100
cacat proporsi persentase
= 1-
2 x 100 0,692841
= 0,997
Berdasar kurva normal, maka nilai a = 0,996536 berada pada z = 2,70021 Setelah mendapat “titik z” maka kita dapat menghitung Cp dengan rumus :
90009 , 3 0
2,70021 = Cp=
karena Cp <1, maka proses ini masih menghasilkan produk yang tidak sesuai dengan spesifikasi.
Perhitungan indeks kapabilitas performansi Kane (Cpk) untuk data penampilan adalah sebagai berikut:
a = 1 –
100
cacat proporsi persentase
=1- 100 0,692641
=0,993072
Berdasar kurva normal, maka nilai a = 0,997 berada pada z = 2,460954 Setelah mendapat “titik z” maka kita dapat menghitung Cp dengan rumus :
820318 ,
3 0 2,46954 =
= Cpk
Sama dengan kesimpulan diatas, karena Cp tidak sama dengan CpK dan kedua nilai tersebut dibawah 1, berarti proses masih tidak dalam pengendalian dan membutuhkan perbaikan.
Perhitungan DPMO
1. Jumlah Unit cacat = 24 Unit dari hasil produksi yang dicek sebanyak 3464 Unit 2. Karakteristik CTQ ( Critical To Quality ) yang ditemukan dalam pengamatan
ada 7 Buah, yaitu : o Retak o unfilled o Fins o Flash o Lubang
o Berubah bentuk o Shrinkage 3. Defect per Unit ( DPU )
0,006928 3464
24
_ = =
=Total Check Defect DPU
4. Total Opportunities ( TOP )
24248 3464
7
_ = × =
×
=OP Total Check TOP
5. Defect Per Opportunities ( DPO ) 0,00099 2424824 =
=
= TOP Defect DPO
990 1000000 00099
, 0
1000000= =
=DPOx x
DPMO 7. Sigma Level
Dari Tabel Konversi DPMO ke Sigma didapat proses ini adalah 4,5932 Sigma Analisa :
Dengan Level Sigma yang didapat sudah sangat baik, yaitu 4,59 Sigma dan dengan Cp dan Cpk yang berada dibawah 1,00 , seharusnya proses ini masih mampu dikembangkan sampai mencapai level sigma yang jauh lebih kecil lagi, dengan sedikit perbaikan, karena kapabilitas prosesnya masih rendah.
5.2.2.4 Perhitungan COPQ
Perhitungan COPQ ( Cost Of Poor Quality ) ini akan mencakup biaya – biaya yang harus dikeluarkan dalam bentuk material, energi, tenaga kerja, serta penurunan umur mesin yang terpakai untuk membuat produk yang cacat, sehingga tidak dapat digunakan dan harus didaur ulang.
Dalam perhitungan COPQ ini, jumlah reject yang didapat adalah reject dari satu tahun produksi yang dilakukan selama 2004 sebelum diimplementasikan Six Sigma, yaitu : Total Produksi = 5282500
Jumlah lot yang reject karena penampilan = 32 Lot Total Unit Reject = 118900
Total Biaya produksi thn 2004 = 5282500 x (Rp 4500 + 69,64+ 63+ 27 ) = Rp 24.614.548.300,-
Total Ongkos Produksi thn 2004 = 5282500 x Rp 69,64+63+27 = Rp 843.298.300,- Total Ongkos Produksi = Rp 159,64
Maka Total COPQ yang timbul selama 2004 adalah : Biaya Listrik = 118900 x Rp 69,64 =Rp.8.280.196,- Biaya Gas = 118900 x Rp 63 =Rp 7.490.700,-
Biaya Tenaga Kerja = 118900 x Rp 27 =Rp 3.120.300,- Total Ongkos Produksi = 118900 * 159.64 = Rp 18.981.196,-
Maka Rasio COPQ terhadap biaya produksi adalah
= + + =
% 0 100
2461454830
) 3120300 7490700
8200196
( x 0,0764 %
Rasio COPQ terhadap ongkos produksi tanpa material adalah
= *100% 2,25% 843298300
18981196
=
Apabila dilihat selama periode pengamatan saja:
Total Produksi = 149000 unit x (Rp 4500+69,64+63+27) = Rp 694.286.360,- Total Ongkos Produksi = 149000*159.64 = Rp 23.786.360,-
Total Defect, yang dihitung dari jumlah unit dalam lot yang di-reject apabila jumlah produk cacat melebihi standar bisa dilihat pada tabel 5.7 dibawah ini
Tabel 5.7 Tabel Jumlah Defect Lot yang reject
Lot Ke Jumlah Reject Unit
5 4000 6 3700 10 3250 35 3750
Total Defect 14700 Unit
COPQ = 14700 x ( Rp69,64 +63+27) = Rp 2.346.708,- Persentase COPQ dari biaya produksi = 0,338 % Persentase COPQ dari ongkos produksi = 9,866 %
5.2.3. ANALYZE
Pada tahapan Analyze ini akan dibuat analisa tentang apa saja cacat yang terjadi dan bagaimana cara mengatasinya. Pembahasan akan dibatasi pada karakteristik CTQ yang paling membutuhkan perhatian dengan menggunakan Pareto Diagram dan Fishbone Diagram untuk mengidentifikasi proses yang perlu diperbaiki. Karena seluruh karakteristik kualitas ini sangat berhubungan antara satu dengan lainnya dengan sebuah proses produksi yang sama, maka apabila dilakukan perbaikan di salah satu karakteristik, akan mempengaruhi karakter kualitas lainnya.
Data yang dikumpulkan adalah data cacat yang pernah terjadi selama 1 tahun, didapat data sebagai berikut :
Hasil Produksi selama 1 tahun : 5.282.500 Unit
Unit yang diperiksa selama 1 tahun untuk data Atribut : 140.178 Unit Unit yang diperiksa selama 1 tahun untuk data Variabel : 1.567 Unit Cacat Data variabel yang ditemukan :
Tebal Lebih dari Standar : 7 Unit dari 1567 Unit yang diinspeksi
Tebal yang kurang dari standar, Berat tidak ada yang melewati batas standar Cacat Data Atribut yang ditemukan dapat dilihat pada tabel 5.8 dibawah ini :
Tabel 5.8 Tabel jenis cacat penampilan selama 2004
Jenis Cacat Jumlah
a Retak 333 b Unfilled 277 c Fins 79 d Flash 22 e Lubang 45 f Berubah bentuk 32
g Shrinkage 40
5.2.3.1 Diagram Pareto
Berdasarkan Pengumpulan seluruh data cacat pada tahun 2004 didapat proporsi cacat yang dapat dilihat pada tabel 5.9, dan dengan diagram pareto yang digambarkan dapat dilihat dalam Diagram 5.3 dibawah ini.
Tabel 5.9 Tabel Perhitungan Pareto cacat penampilan Jenis Cacat Jumlah Presentase Kumulatif
Retak 333 40,21739 40,21739
Unfilled 277 33,45411 73,6715
Fins 79 9,541063 83,21256
Lubang 45 5,434783 88,64734
Shrinkage 40 4,830918 93,47826
Berubah Bentuk 32 3,864734 97,343
Flash 22 2,657005 100
Diagram pareto Cacat
0 20 40 60 80 100
Retak
Unfilled Fins Lubang
Shrinkage Berubah Bentuk
Flash Jenis Cacat
Persentase
Presentase Kumulatif
Diagram 5.3 Diagram Pareto cacat penampilan
Dari semua jenis Cacat yang ada, Cacat terbesar terdapat pada 2 jenis cacat yang paling fatal dan perlu penanganan khusus, karena paling berpengaruh pada kekuatan, kemampuan dan ketahanan Battery yang akan diproduksi, yaitu :
Tabel 5.10 Tabel Jumlah cacat terbesar
Jenis Cacat Jumlah Presentase
Retak 333 40,21739
Unfilled 277 33,45411
Sehingga apabila kedua jenis cacat ini diatasi, maka cacat yang lain juga akan berkurang secara signifikan. Tentunya cacat data variabel juga memiliki kecenderungan yang akan terus berkurang, karena dalam sebuah proses ini apabila tahapan – tahapan proses telah dilakukan dengan benar, maka ketiga CTQ ( Tebal, berat dan penampilan ) ini yang muncul secara bersamaan pada sebuah produk.akan terkena pengaruhnya.
5.2.3.2 Diagram Ishikawa / Fishbone
Dalam Diagram ini akan dianalisis penyebab kedua masalah diatas. Diagram ini dibuat berdasar faktor – faktor penyebab yang dapat tercatat dalam laporan ketidaksesuaian produk saat kerusakan melampaui batas AQL yang ditetapkan seperti pada subbab pengumpulan data diatas, serta wawancara langsung dengan operator di Pabrik dan petugas QA.
Setelah dilakukan wawancara dan pengamatan langsung , didapatkan bahwa penyebab unfilled dan retak berasal dari sumber yang sama , dan dapat digambarkan penyebabnya dalam fishbone diagram dibawah ini :
Retak / Unfilled
Metode Manusia
Material Timah Baru diisi,
kandungan belum stabil Operator Baru
Skill kurang
Operator belum terbiasa dengan Grid jenis ini
Mesin Temperatur Mold tidak stabil
Mold sudah rusak / Retak
Setting Temperatur tidak sesuai standar
Listrik Turun Sensor suhu rusak
Pencampuran material Spray tidak merata
Kandungan Sb timah tidak standar Metode Spray harus
didukung skill operator
Cara Spray Salah
Cara skrap material spray tidak bersih Spray tidak merata
Komposisi campuran tidak standar Tempat Drum pencampur tidak bersih sebelum diisi
Belum pernah praktek
Diagram 5.4 Diagram Ishikawa / Fishbone untuk kategori Retak / Unfilled 5.2.4 IMPROVE
Dalam tahapan Improve ini akan dilakukan perbaikan akan masalah – masalah yang telah dianalisa pada tahapan sebelumnya, Perbaikan akan menggunakan metode FMEA untuk rekomendasi perbaikan, serta akan dilakukan perbaikan dari metode kerja yang ada, dan disebarkan ke seluruh operator yang bekerja di divisi Grid Casting ini.
5.2.4.1 Metode FMEA
Metode FMEA ini dibuat dengan cara mendaftarkan semua kemungkinan kesalahan yang terjasi, serta memberikan alternatif penyelesaiannya. Lalu perbaikan akan dilakukan pada subbab realisasi perbaikan dibawah untuk mencegah terjadinya kembali kerusakan yang sama. Dalam kasus ini, FMEA akan digunakan untuk menentukan prioritas masalah mana yang harus diselesaikan terlebih dahulu dengan menghitung nilai RPN dari masalah tersebut. Untuk lebih jelasnya dapat dilihat pada Tabel 5.11 dibawah ini.
Tabel 5.11 Tabel process FMEA untuk Retak / Unfilled POTENTIAL FAILURE MODE AND EFFECTS ANALYSIS
Item :Grid Process responsibility : Moh.Noor
FMEA
Number :01 / LPMM / QC / QPL-01
Model :GLSYB1,4P Key Date : 10-Okt-04 Prepared by :Hendra Suryanto
Core Team :Mr. Sukirman ( Leader ) , Hendra Suryanto FMEA Date :10-
Okt-04 Rev :10-Okt-04
Process Function requirements
Potential Failure
Mode
Potential Effects of
Failure S
Potential Cause of Mechanism
Failure O
Current Process
Controls D RPN Reccomended Action
Aki tidak dapat menyimpan
listrik
Operator baru pertama mengerjakan
Grid ini
6 XR
Chart 10 600
Operator terbaik yang dapat mengerjakan Grid ini dengan cacat paling sedikit dijadikan
pelatih bagi operator baru
Timbul karat pada grid setelah
pasting
Metode kerja tidak diikuti dengan baik
5 XR
Chart 10 500 Diberikan penjelasan metoda setiap operator
akan mulai bekerja
Grid patah saat melalui
proses pasting
Setting temperatur tidak sesuai standar
3 XR Chart, Sensor Suhu Digital
3 90
Dibuat Checklist untuk memastikan setting suhu sesuai standar
Timah baru diisi, campuran tidak stabil
2 XR
Chart 4 80
Pencampuran timah dilakukan perlahan agar tidak timbul terak Pembuatan
Grid tipe GLSYB1,4P
dengan Automatic Grid Casting
Machine
Terjadi Cacat berupa
Retak atau Unfilled
pada beberapa bagian Grid
Grid yang patah merusak
mesin pasting
10
Pencampuran material spray tidak rata
1 XR
Chart 1 10
Pemeriksaan warna material spray sebelum
digunakan
5.2.4.2 Analisa FMEA
Dari FMEA yang telah disusun, didapat bahwa RPN (Risk Priority Number) tertinggi adalah pada bagian berikut :
Operator yang baru pertama mengerjakan Grid ini umumnya menghasilkan Grid yang cacat / retak, hal ini diakibatkan karena Supervisor Pabrik menganggap apabila sudah ada work instruction dan metode kerja untuk setiap Grid hampir
sama, dimana sebenarnya pada pelaksanaanya setiap Grid butuh penanganan khusus dan improvisasi serta ketelitian dari operator sangat dibutuhkan untuk menghasilkan Grid yang baik.
Metode kerja yang ada seringkali tidak diikuti dengan baik, karena operator seringkali melakukan cara kerja yang lebih cepat dengan improvisasi sendiri, yang berakibat pada cacatnya produk
Masalah Setting temperatur mesin, timah, dan pencampuran material Spray tidak terlalu signifikan, karena sangat jarang muncul, dimana ukuran temperatur dan takaran bahan material spray sudah ada jelas dalam work instruction dan sudah ada kontrol dari Incoming Material Inspection yang sangat kecil kemungkinannya untuk meloloskan bahan defect ke proses produksi. Masalah utama yang paling sering terjadi adalah kesalahan manusia, maka untuk menangani masalah ini lebih tepat apabila dilakukan pembenahan masalah metode kerja dan training untuk operator agar mereka dapat menghasilkan produk yang berkualitas.
5.2.4.3 Realisasi Perbaikan
Setelah dilakukan dialog dan diskusi dengan bagian produksi dan Quality Assurance, akhirnya diperoleh kesimpulan untuk aplikasi pelaksanaan perbaikan yang paling efektif adalah pada training operator baru oleh operator yang sudah berpengalaman, dengan cara metode spray yang dilakukan oleh operator tersebut didokumentasikan dan merevisi metode yang sudah ada, lalu metode ini disebarluaskan
ke seluruh perusahaan. Untuk mencegah kejadian yang sama lagi, maka setiap operator baru akan menerima on the job training oleh operator – operator yang ditunjuk ini.
5.2.4.3.1 Metode persiapan dan spray Mold PbSb saat ini.
Dari hasil studi dokumentasi, didapatkan sebuah metode spray yang pada saat ini diterapkan pada bagian produksi Grid Casting dengan bahan Lead Antimony. Metode kerja ini tidak bersifat kaku, karena dibutuhkan keahlian tangan dari operator dan ketelitian operator pada saat melakukan spray pada mold yang akan digunakan untuk mencetak grid . Metode itu sesuai dengan urutannya adalah :
1. Spray Mold Bagian Atas
Gambar 5.1 Metode Spray Tahap 1 2. Spray Mold Secara Mendatar
Gambar 5.2 Metode Spray Tahap 2
Gambar 5.3 Metode Spray Tahap 3 4. Ulangi Spray Mold Secara Mendatar
Gambar 5.4 Metode Spray Tahap 4
5. Kupas bahan spray pada bagian kuping, konektor dan frame dengan sapu kawat
Gambar 5.5 Metode Spray Tahap 5
6. Sekrap seluruh bagian mold secara merata
Gambar 5.6 Metode Spray Tahap 6 7. Ulangi spray secara mendatar
Gambar 5.7 Metode Spray Tahap 7 8. Ulangi spray secara tegak
Gambar 5.8 Metode Spray Tahap 8
9. Gores bahan spray pada bagian kuping dan konnektor dengan sapu kawat.
Gambar 5.9 Metode Spray Tahap 9 10. Kupas bahan spray di bagian bawah.
Gambar 5.10 Metode Spray Tahap 10
Ditemukan selama analisa di proses produksi , bahwa langkah yang sering dilakukan oleh para operator yang memiliki prestasi baik adalah untuk mengecek kembali permukaan mold yang telah dispray apabila terdapat sisa – sisa bahan skrap yang tertinggal dan untuk dilakukan Touch Up spray di bagian itu agar tidak timbul dan menyebabkan temperatur di bagian tersebut terlalu dingin. Hal ini sering dilupakan oleh operator yang tidak terlatih dan masih baru, sehingga hasil kerjanya cacat Untuk itu untuk berikutnya dilakukan revisi, di dalam metode spray setelah no. 5,6, 9 dan 10 ditambahkan pengecekan visual untuk melihat adakah sisa bahan spray yang tertinggal, dan apabila ada dibersihkan lalu diberi touch up spray di bagian itu. Fokus dari bagian yang harus diperiksa dapat dilihat pada gambar 5.11 dibawah ini
Gambar 5.11 Bagian yang harus dicek secara visual
5.2.4.3.2 Training
Dari 57 orang operator yang pernah mengerjakan Grid tipe ini selama 1 tahun, akan dipilih orang – orang yang akan menjadi trainer untuk operator baru ataupun operator lain, Pemilihan operator ini adalah dengan cara menggunakan analisa dari data produksi selama tahun 2004 untuk orang – orang yang sering menangani Grid ini namun paling sedikit membuat defect. Setelah melalui penyaringan, hasilnya dapat dilihat dalam tabel 5.12 dibawah ini :
Tabel 5.12 Data Operator terbaik
Query Data Fewest Average of NonConfromities
Operator Times Handle GlsYB1,4P Average of NC
Aat 87 0.55
Irwansyah 108 0.18
Karsono 95 0.24
Royadi 102 0.43
Sadino 89 0.65
Sugeng 84 0.61
Sugimin 84 0.07
Sutardi 86 0.13
Sutisna 112 0.13
Dari Team yang didapat itu, yaitu 9 Orang terbaik yang mengerjakan Grid tipe ini, mereka dibagi menjadi 3 shift, masing – masing operator memberi briefing dan menjelaskan metode kerja mereka dan skill yang dibutuhkan pada operator yang akan mengerjakan Grid tipe ini pada shift tersebut. Hal ini dilakukan selama 1 bulan dengan diawasi oleh manager produksi dan setelah itu dipantau hasil produksi yang dibuat pada 2 minggu terakhir. Setelah itu data yang didapat dibuat catatannya dan dihitung level sigmanya.
5.2.4.3.3 Action Plan
Dari 2 Metode diatas, maka dibuat serangkaian rencana perbaikan di bagian Grid Casting ini, lalu diserahkan pada pemilik proses , yaitu bagian produksi, untuk dilaksanakan dan diimplementasikan sebelum dilakukan pengukuran ulang oleh bagian Quality Assurance, maka Instruksi Action Plan yang dibuat adalah : 1. Dilakukan Review terhadap Metode Spray yang ada dengan melakukan diskusi dengan beberapa operator yang terbaik tentang bagaimana cara memperbaiki metode dengan pengalaman mereka di lapangan.
2. Dibuat sebuah tim trainer dari operator yang berpengalaman tersebut untuk disetiap shift dan digilir tiap 1 minggu sekali untuk melatih dan memberikan briefing dengan didampingi oleh supervisor mereka. Hal ini dilakukan sampai setiap operator dapat menghasilkan produk yang sama baik , dan dilakukan kembail apabila terdapat operator yang baru masuk.
3. Dilakukan Koordinasi antara Operator dan Teknisi Maintenance untuk menangani masalah sensor suhu dan kontrol temperatur yang rusak.
4. Ditingkatkannya koordinasi antara Inspektor departemen Quality Assurance dengan operator untuk melakukan inspeksi secara manual oleh operator sebelum dilakukan sampling oleh bagian QA.
5.2.5 CONTROL
Setelah Semua Perbaikan dilaksanakan dengan baik, maka pada tahap ini dilakukan pemantauan pada hasil yang diproduksi setelah perbaikan tersebut dilakukan dengan menggunakan metode yang sama dengan pada tahap Meausre, sehingga akan didapat hasil yang obyektif. Serta akan dilakukan pengukuran tingkat DPMO dan Sigma Level yang baru, sebagai perbandingan apakah target yang diinginkan perusahaan dapat tercapai, akan dilakukan pengukuran penurunan COPQ dari saat sebelum diimplementasikannya perbaikan.
5.2.5.1 Pengukuran Setelah Perbaikan
Sampel data berikut adalah data bulan November yang didapat dari hasil pengukuran setelah diterapkan metode kerja yang baru dan telah disosialisasikan ke seluruh operator mesin yang bertindak sebagai tim percobaan, Pengukuran dilakukan dengan jumlah sampel yang sama dengan sebelumnya, yaitu 40 data, agar perbandingan seimbang. Juga data berikut diambil 2 minggu setelah implementasi metode Six Sigma, agar hasil proses sudah seimbang. Sampel Data bulan Oktober 2004 hasil CheckSheet Grid Casting dapat dilihat pada tabel 5.13 dibawah ini :
