BAB V ANALISA PEMECAHAN MASALAH

(1)

BAB V

ANALISA PEMECAHAN MASALAH

5.1 Tahap Analisis (Analyse)

Untuk mengetahui penyebab terjadi Defect 31, Maka digunakan analisa Fish Bone diagram berdasarkan faktor material, machine, man dan method seperti gambar di bawah. Dari fishbone diagram dipilih Vital Factor (factor yang berada dalam lingkaran) untuk selanjutnya dilakukan pemilihan Critical Vital Factor

Gambar 5.1 Fish Bone Diagram

(2)

5.1.1 Pemilihan Critical Vital Factor

Dari analisa Fish Bone diagram didapatkan 8 Vital Factor. Untuk mendapatkan Critical Vital Factor maka digunakan pemilihan Vital Factor dengan memberikan nilai terhadap tiap-tiap factor berdasarkan signifikansi efek, ketersediaan data, dan waktu analisa yang terdapat pada tabel di bawah ini.

Tabel 5.1 Critical Vital Factor Selection

Dari table di atas maka di dapatkan Critical Vital Factor sebagai berikut:

1. Central Air 2. Ultra Thin 3. Temperature 4. COG Flow

Vital Factor

Predicted Significance Level

Data Availability

Analysis

Periode Total

Central air 4 5 8 17

Silicone

Content 3 2 4 9

Ultra thin 5 7 5 17

High

Pattern 2 3 3 8

Cooling

Pattern 1 4 1 6

Temperaure 8 8 6 22

COG Flow 7 6 7 20

3 Pass HSB 6 1 2 9

(3)

5.1.2 Hypothesis Test

Hypothesis test di gunakan untuk menguji apakah Critical Vital Factor berpengaruh terhadap Defect 31 atau tidak. Dalam Hypothesis test di gunakan software minitab untuk mencari pengaruh Critical Vital Factor terhadap Defect 31.

1) Analisa Pengaruh COG Flow terhadap Defect 31

Pengaruh defect di analisa dari konsumsi COG tinggi dan rendah.

COG (Faktor) berupa data continuous dan defect (Respon) berupa data discreate dan pengujian di lakukan terhadap dua proporsi yaitu tinggi dan rendah. Maka tool statistic yang di gunakan adalah Hypothesis tes menggunakan two proportion.

Hypothesis statement:

 Ho: Aliran COG tidak memiliki efek yang signifikan terhadap Defect 31

 Ha: Aliran COG memiliki efek yang signifikan terhadap Defect 31

Hasil perhitungan minitab untuk two proportion test untuk:

Flow rate Jumlah Produk Defect

Rendah < 3000 m/hr 276 3

Tinggi > 3000 m/hr 748 122

(4)

Gambar 5.2 Analisa Pengaruh COG Flow terhadap Defect 31

Hasil pengujian minitab di dapatkan P Value = 0 (<0,05), Maka dapat di simpulkan Ho di tolak atau Aliran COG memiliki efek yang signifikan terhadap munculnya Defect 31 dan Aliran COG menjadi Vital Factor.

2) Analisa Pengaruh Plat tipis terhadap Defect 31

Pengaruh defect di analisa dari produk plat tipis dan plat normal . Ketebalan plat (Faktor) berupa data continuous dan defect (Respon) berupa data discreate dan pengujian di lakukan terhadap dua proporsi yaitu tinggi dan rendah. Maka tool statistic yang di gunakan adalah Hypothesis tes menggunakan two proportion.

 Ho: Ketebalan plat tidak memiliki efek yang signifikan terhadap Defect 31

 Ha: Ketebalan plat memiliki efek yang signifikan terhadap Defect 31

Test and CI for Two Proportions

Sample X N Sample p 1 3 276 0.010870 2 122 748 0.163102

Difference = p (1) - p (2)

Estimate for difference: -0.152232

95% CI for difference: (-0.181398, -0.123066)

Test for difference = 0 (vs not = 0): Z = -10.23 P-Value = 0.000

* NOTE * The normal approximation may be inaccurate for small samples.

Fisher's exact test: P-Value = 0.000

(5)

Ketebalan Plat Jumlah Produk Defect Plat tipis (< 6 mm) 23570 611 Plat normal (> 6 mm) 43530 2517

Gambar 5.3 Pengaruh Plat tipis terhadap Defect 31

Hasil pengujian minitab di dapatkan P Value = 0 (<0,05), Maka dapat di simpulkan Ho di tolak atau Ketebalan plat memiliki efek yang signifikan terhadap Defect 31 dan Ketebalan plat menjadi Vital Factor.

3) Analisa Pengaruh Central Air terhadap Defect 31

Pengaruh defect di analisa dari Penggunaan Central Air . Central Air (Faktor) berupa data continuous dan defect (Respon) berupa data discreate dan pengujian di lakukan terhadap dua proporsi yaitu tinggi dan rendah.

Maka tool statistic yang di gunakan adalah Hypothesis tes menggunakan two proportion.

 Ho: Central Air tidak memiliki efek yang signifikan terhadap Defect 31

 Ha: Central Air memiliki efek yang signifikan terhadap Defect 31

Test for difference = 0 (vs not = 0): Z = -20.93 P-Value = 0.000 Fisher's exact test: P-Value = 0.000

(6)

Central Air Jumlah Produk Defect

Menggunakan Central Air 1448 44

Tidak menggunakan Central Air 1165 42

Gambar 5.4 Pengaruh Central Air terhadap Defect 31

Hasil pengujian minitab di dapatkan P Value = 0.441 (>0,05), Maka dapat di simpulkan Ho di terima atau Central Air tidak memiliki efek yang signifikan terhadap Defect 31 dan tidak menjadi Vital Faktor

4) Analisa Pengaruh Temperature terhadap Defect 31

Pengaruh defect di analisa dari temperature tinggi dan rendah . Temperatur (Faktor) berupa data continuous dan defect (Respon) berupa data discreate dan pengujian di lakukan terhadap dua proporsi yaitu tinggi dan rendah. Maka tool statistic yang di gunakan adalah Hypothesis tes menggunakan two proportion.

 Ho: Temperatur tidak memiliki efek yang signifikan terhadap Defect 31

 Ha: Temperatur memiliki efek yang signifikan terhadap Defect 31

95% CI for difference: (-0.0195484, 0.00821886)

(7)

Temperature Jumlah Produk Defect Tinggi (> 1150 ᵒ C ) 34436 947 Rendah (<1150 ᵒ C ) 32664 2181

Gambar 5.5 Pengaruh Temperature terhadap Defect 31

Hasil pengujian minitab di dapatkan P Value = 0 (<0,05), Maka dapat di simpulkan Ho di tolak atau Temperatur memiliki efek yang signifikan terhadap Defect 31 dan Temperatur menjadi Vital Factor.

5.2 Tahap Perbaikan (Improve) 5.2.1 Design of Experiments

Dari hasil analisa di dapatkan 3 Vital Factor yaitu Temperatur, Aliran COG dan Ketebalan Plat. Namun pada praktek di lapangan ketebalan plat merupakan factor yang tidak bisa di control. Oleh karena itu Vital Faktor berupa ketebalan plat bisa di abaikan.

Design of Experiments di lakukan dengan mengambil data pada Aliran COG tinggi dan rendah terhadap Temperatur tinggi dan rendah seperti pada table berikut

(8)

Tabel 5.2 Data percobaan Temperatur dan Aliran COG Discharging

Temperature (To) COG Flow Ukuran Sample

Banyaknya

Cacat Defect 31 (%)

≥ 1150 < 3000 685 65 0.095

< 1150 < 3000 2075 15 0.007

≥ 1150 ≥ 3000 229 43 0.188

< 1150 ≥ 3000 933 30 0.032

Dari table terlihat ukuran sampel yang di gunakan terhadap setting parameter temperature dan aliran COG. Banyaknya cacat di banding ukuran sample maka di dapatkan besar persentase Defect 31. Berikut dalah Uji Design Of Experiments kejadian Defect 31 sebagaimana di jelaskan pada table berikut

Tabel 5.3 Design of Experiments

Run

Discharging

Temperature (To) COG Flow

A B AB Defect 31

Occurance

A B

1 ≥ 1150 < 3000 + - - 0.095

2 < 1150 < 3000 - - + 0.007

3 ≥ 1150 ≥ 3000 + + + 0.188

4 < 1150 ≥ 3000 - + - 0.032

average - 0.0195 0.051 0.0635 aveage + 0.1415 0.11 0.0975

delta 0.122 0.059 0.034

Dari hasil perhitungan DOE pada table di atas di dapatkan bahwa factor A memiliki efek yang paling signifikan terhadap defect 31 dibandingkan dengan Faktor B maupun interaksi antara Faktor A dengan factor B (AB). Untuk membandingkan pengaruh dari masing-masing factor temperator maupun Aliran COG, dapat di lihat dari grafik di bawah.

(9)

Gambar 5.6 Grafik Main Effects temperature dan Aliran COG

Dari grafik terlihat bahwa kedua factor memiliki pengaruh yang signifikan terhadap munculnya Defect 31. Semakin tinggi temperature menyebabkan meningkatnya Defect 31 begitu juga dengan aliran COG dimana semakin tinggi aliran COG tuga meningkatkan munculnya D31.

Namun dari grafik di atas dapat di simpulkan bahwa factor temperature memiliki pengaruh yang lebih signifikan terhadap Defect 31 dibandingkan dengan factor Aliran COG.

Untuk melihat adanya interaksi antara Temperatur dan Aliran COG terhadap Defect 31 dapat di lihat dari grafik di bawah ini

Gambar 5.7 Grafik Interaction antara Temperature dan Aliran COG

(10)

Dari grafik terlihat bahwa trend garis aliran COG tidak berpotongan dengan trend garis Temperatur. Hal ini menunjukkan bahwa interaksi antara temperature dengan Aliran COG tidak membeikan pengaruh yang signifikan terhadap Defect 31. Untuk mengetahui setting parameter optimum dari temperature dan Aliran COG terhadap Defect 31 maka dapat di lihat dari grafik di bawah ini.

Gambar 5.8 Grafik Cube Plot

Setting parameter yang paling optimum di pilih berdasarkan Defect 31 yang paling kecil. Dari grafik di bawah dapat di simpulkan bahwa setting parameter yang paling optimum adalah dengan Temperatur di bawah 1150

ᵒ C dan Aliran COG di bawah 3000 Nm³/Hr.

5.2.2 Improvement summary

Setelah menerapkan setting parameter berdasarkan hasil dari pilot solution (temperature kurang dari 1150 dan Aliran COG kurang dari 3000) maka didapatkan hasil seperti pada table di bawah ini

(11)

Tabel 5.3 Kondisi Sebelum dan sesudah improvement

Defect

Sebeum Imrovement

Defect

Setelah Improvement

𝜎 𝐿𝑒𝑣𝑒𝑙 3,27 𝜎 𝐿𝑒𝑣𝑒𝑙 3,93

Dari table di atas dapat di lihat bahwa setting parameter yang di dapat dari hasil DOE memberikan pengaruh terhadap penurunan persentase Defect 31. Dengan kata lain dapat di katakan bahwa setting parameter tersebut meningkatkan sigma level dari yang sebelumnya 3, 27 menjadi 3,93.

5.3 Tahap Control (Control)

Proses control digunakan untuk menjaga kestabilan dan memonitor defect 31 yang dihasilkan setelah menggunakan setting parameter yang didapatkan dari proses improve setelah DOE. Dalam melakukan proses control digunakan tool control chart berupa P-chart karena:

1. Data yang dicontrol berupa data discreate (attribute) 2. CTQ berupa defective

3. Jumlah sample adalah tidak konstan setiap harinya

Dalam penerapan P-chart data yang ditampilkan dalam control chart adalah data persentase defect setiap hari dan data UCL sebagai batas limit abnormal data. Sedangkan data LCL menggunakan nilai nol (0) karena semakin kecil defect maka semakin bagus prosesnya. Berikut adalah hasil dari control yang ditampilkan dalam P-chart selama 30 hari kerja.

Tabel 5.5 Total Inspection dan defect selama 30 Hari kerja

no Total

Inspection Defect UCL LCL Persentase

Defect 31 p BAR

1 1030 3 0.011714252 0 0.0029 0.0029

2 1781 8 0.010123569 0 0.0045 0.0037

3 1980 9 0.009863055 0 0.0045 0.0040

4 998 7 0.011819882 0 0.0070 0.0047

(12)

no Total

Inspection Defect UCL LCL Persentase

Defect 31 p BAR

5 693 8 0.013169547 0 0.0115 0.0061

6 648 3 0.013445953 0 0.0046 0.0059

7 1811 9 0.010081563 0 0.0050 0.0057

8 1296 8 0.010993624 0 0.0062 0.0058

9 1574 2 0.010445408 0 0.0013 0.0053

10 1304 11 0.010975435 0 0.0084 0.0056

11 1305 7 0.010973174 0 0.0054 0.0056

12 1856 6 0.010020475 0 0.0032 0.0054

13 822 6 0.012507152 0 0.0073 0.0055

14 1631 23 0.010350699 0 0.0141 0.0061

15 1359 5 0.010854767 0 0.0037 0.0060

16 1330 0 0.01091746 0 0.0000 0.0056

17 2523 7 0.009316425 0 0.0028 0.0054

18 1993 24 0.009847408 0 0.0120 0.0058

19 1450 4 0.010670405 0 0.0028 0.0056

20 2325 13 0.009493414 0 0.0056 0.0056

21 1210 1 0.011200409 0 0.0008 0.0054

22 2161 9 0.009658075 0 0.0042 0.0054

23 2075 15 0.009752123 0 0.0072 0.0054

24 1461 13 0.010649295 0 0.0089 0.0056

25 2075 10 0.009752123 0 0.0048 0.0056

26 2529 7 0.009311389 0 0.0028 0.0054

27 1977 5 0.009866688 0 0.0025 0.0053

28 2311 3 0.009506783 0 0.0013 0.0052

29 1089 7 0.011531847 0 0.0064 0.0052

30 2469 1 0.009362577 0 0.0004 0.0051

49066 234 0.010605833 0.0051

(13)

Gambar 5.9 Grafik P-Chart

Dari control chart diatas didapatkan data menyimpang (keluar dari UCL) pada hari ke-14 dan hari ke-18, setelah melakukan analisa lebih lanjut didapatkan bahwa pada periode tersebut terdapat produksi plat sangat tipis (ultra thin). Sebagaimana yang telah dibahas pada tahap analisa bahwa vital factor untuk plat ulta thin dapat diabaikan karena parameter tersebut tidak dapat decontrol.

Secara umum dengan melihat hasil dari control chart, dapat disimpulkan bahwa proses produksi plat dengan menggunakan seting parameter aliran COG < 3000 dan temperature <1150 dapat mengurangi jumlah defect 31 dan hasilnya adalah stabil selama periode 30 hari kerja.

0.0000 0.0020 0.0040 0.0060 0.0080 0.0100 0.0120 0.0140 0.0160

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Proportion

Sample

P Chart Defect 31

D 31 UCL LCL