Hlm. 1 LD, Semester II 2003/04
PETA KENDALI ATRIBUT
PETA KENDALI ATRIBUT
TI 3221 PENGENDALIAN KUALITAS STATISTIK
TI 3221 PENGENDALIAN KUALITAS STATISTIK
LD, Semester II 2003/04
TOPIK 7
Hlm. 2 LD, Semester II 2003/04
PEMILIHAN PETA KENDALI
PEMILIHAN PETA KENDALI
n≥25 12 < n< 25 n ≤12 n=1
σ
,
X X,s X,R X,MR
VARIABEL
UKURAN SAMPEL
n
Konstan
Rata2 n
unit Tdk Konstan
n
Konstan
Proporsi,
nTdk Konstan
c u np p
ATRIBUT
UKURAN SAMPEL
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
Tentukan ukuran subgrup rasional:Subgrup harus cukup besar untuk menentukan peluang yang sama untuk item cacat;
Tentukan frekuensi 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 p p o o o
− ±
= =
= ;maka
: Tengah Garis
5. 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 mela
lui 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 peru
bahan 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 item yang tercakup dalam sampel.Contoh: daftar catatan pengiriman suatu barang.
Unit sampling : Elemen individual atau kumpulan elemen yang tidak overlaping dari populasi.
Error dalam sampling ; sumber : 9Variasi random
9Mis-spesifikasi dari populasi. Contoh: sampling opini publik 9Tidak ada respon
Hlm. 6 LD, Semester II 2003/04
Tipe Sampel
Tipe Sampel
Simple Random Sample
Stratified Random Sample
9 Populasi tersegmentasi menjadi lebih dari satu stratum & setiap item dipilih secara random pada setiap stratum;
9 Setiap item dalam populasi mempunyai peluang (walaupun tidak sama) untuk masuk dalam sampel;
9 Digunakan untuk meredukswi ukuran sampel dalam populasi dengan variansi yang besar;
9 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
Hlm. 7 LD, Semester II 2003/04
Tipe Sampel
Tipe Sampel
Cluster Sample
Digunakan jika untuk mendapatkan sampel dari seluruh segmen populasi tidak mungkin, 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 dalam rentang 0,8 mm, tentukan ukuran sampel yang harus digunakan.
2 2 2 2 /
2 / x 2 /
B
Z
n
n
Z
Z
B
σ
σ
σ
α
α α
=
=
=
α/2 α/2
µ
B B
106
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
=
=
≅
=
Hlm. 9 LD, Semester II 2003/04
Ukuran Sampel
Ukuran Sampel
Untuk Data Diskrit
Jika B = batas kesalahan yang dapat diterima, maka untuk data diskrit (distribusi binomial), B dirumuskan sbb.
Contoh:
Untuk membuat pipa karet, pertama-tama batangan karet dipotong menjadi ukuran tertentu. Potongan tersebut kemudian dilengkungkan membentuk lingkaran & tepinya dilekatkan dengan tekanan dengan temperatur yang tepat.
Keterampilan operator dan parameter proses seperti temperatur, tekanan dan ukuran cetakan mempengaruhi produksi pipa karet yang baik. Jika diinginkan dengan probabilitas 90% proporsi pipa karet yang cacat di antara rentang 4%, berapa sampel yang harus digunakan ?
.
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 2003/04
CONTOH: 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
) p ˆ
( (pˆ)
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 111213 14 15 1617 18 19 20 21 22 2324 25 2627 28 29 30 No Sam pel
P
ropo
rs
Peta kendali p :
Peta kendali p :
0524 , 0 50
) 7687 , 0 )( 2313 , 0 ( 3 2313 , BKB
4102 , 0 50
) 7687 , 0 )( 2313 , 0 ( 3 2313 , BKA
2313 ,
347 ) Bawah Kendali Batas
: Atas Kendali Batas
: Tengah Garis
TAHAP KONSTRUKSI : Perhitungan-1
BKA = 0,4012
BKB = 0,0524
GT = 0,2313 Material
baru Operator baru
Hlm. 12 LD, Semester II 2003/04
0,0
ropor
s
i C
acat
0524 , 0 50
) 7687 , 0 )( 2313 , 0 ( 3 2313 , BKB
4102 , 0 50
) 7687 , 0 )( 2313 , 0 ( 3 2313 , BKA
2313 ,
347 ) Bawah Kendali Batas
: Atas Kendali Batas
: Tengah Garis
TAHAP KONSTRUKSI : Perhitungan-2,
hilangkan sampel di luar BKA
BKA’ = 2313
BKB’ = 0,0524
GT’ = 0,2313
Material baru
Hlm. 13 LD, Semester II 2003/04
TAHAP
IMPLEMENTASI I :
0,0
No Sampel
P
ro
p
o
rsi
C
acat
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
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
Operator
baru Penyesuaian Mesin
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 ,
133 p LD, Semester II 2003/04
TAHAP
KONSTRUKSI
ULANG :
0 0224 , 0 - BKB 2440 , 0 BKA
50 ) 8892 , 0 )( 1108 , 0 ( 3 1108 ,
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 ,
1669 , 0 1200
1400
) 1108 , 0 )( 1200 ( ) 2150 , 0 )( 1400 (
1108 , 0 p ˆ p 2150 , 645 ,
BKA/BKB
: Tengah Garis
: Keputusan & p , p Estimasi a.
: Z n Perhitunga & n kepercayaa (tingkat
penerimaan kriteria
Penentuan
2.
: proses rata -rata perubahan hipotesis
Hlm. 15 LD, Semester II 2003/04
Di
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
p
ˆ pˆ pˆ
TAHAP
IMPLEMENTASI II :
Hlm. 16 LD, Semester II 2003/04
Peta OC
(
Operating Characteristics Curve
):
Probabilitas terjadinya error tipe II (β);
Merepresentasikan sensitivitas peta kendali;
Digunakan sebagai ukuran kemampuan peta kendali dalam mendeteksi
pergeseran (perubahan) pada nilai parameter proses.
Contoh 1:
UCL
p= 0,173
LCL
p= 0
CL
p= 0,067
n = 50
Peta OC PETA KENDALI ATRIBUT
Peta OC PETA KENDALI ATRIBUT
{
} {
}
{
x
n
BKA
p
} {
P
x
n
BKB
p
}
P
β
p
BKB
p
ˆ
P
p
BKA
p
067
,
0
50
x
P
173
,
0,10
p
0,10
p
0,10
p
0,10
p
0,10
p
0,10
p
Hlm. 17 LD, Semester II 2003/04
Pendekatan dengan distribusi Poisson:
Jika n: besar, p: kecil, np
≤
5
np = 50 x 0,10 = 5
β
= P (x
≤
8 / np = 5) – P (x
≤
0 / np = 5)
= 0,932 – 0,007 = 0,925
0,002 0.000
0,002 0,40
0,062 0.000
0,062 0,28
0,333 0.000
0,333 0,20
0,661 0,001
0,662 0,15
0,925 0,007
0,932 0,10
0,949 0,011
0,960 0,09
0,961 0,018
0,979 0,08
β
0.08 0.09 0.10 0.15 0.20 0.28 0.40
p LD, Semester II 2003/04
Contoh 2:
25 sampel masing-masing
berukuran 50 dipilih dari
mesin
plastic injection
molding
yang
menghasilkan gelas
plastik kecil. Jumlah item
cacat per sampel dapat
dilihat pada tabel berikut.
Buat peta kendali yang
dapat digunakan untuk
memonitor proses dan
buat peta OC curve
untuk peta kendali
tersebut.
90 0,08 4
0,06 3
0,08 4
0,10 5
0,04 2
0,06 3
0,08 4
Drop in pressure
0,20
0,20
10
0,08 4
0,04 2
0,06 3
0,04 2
0,10 5
0,10 5
0,06 3
0,08 4
0,10 5
0,04 2
0,06 3
0,02 1
0,04 2
0,06 3
0,10 5
0,04 2
0,08 4
Catatan pi
Di ni
Jam Tgl
Hlm. 19 LD, Semester II 2003/04
Pembuatan Peta Kendali p :
Pembuatan Peta Kendali p :
Perhitungan tahap-1:
0
BKB
039
,
0
BKB
173
,
0
BKA
50
)
933
,
0
)(
067
,
0
(
3
067
,
BKB
/
BKA
067
,
0
1200
/
80
p
0
BKB
038
,
0
BKB
182
,
0
BKA
50
)
928
,
0
)(
072
,
0
(
3
072
,
BKB
/
BKA
072
,
0
1250
/
kendali.
batas
parameter
n
perhitunga
dari
18
-ke
sampel
rata
-rata
nilai
Keluarkan
r).
temperatu
(penurunan
random
non
penyebab
dengan
BKA
sampel
rata
Rata
Perhitungan tahap-2:
Hlm. 20 LD, Semester II 2003/04
Pembuatan Peta OC :
Pembuatan Peta OC :
( ) ( )
p.
vs
β
peta
plot
&
lain
yang
p
untuk
Hitung
:
0,08
p
untuk
:
0,10
p
untuk
:
Poisson
distribusi
pendekatan
Dengan
i
50
:
0,10
p
untuk
:
Binomial
distribusi
pendekatan
Dengan
961
,
0
018
,
0
-979
,
925
,
0
007
,
0
-932
,
9369
,
173
,
BKB
n
BKA
n
0,002 0,000
0,002 0,40
0,042 0,000
0,042 0,30
0,062 0,000
0,062 0,28
0,333 0,000
0,333 0,20
0,661 0,001
0,662 0,15
0,925 0,007
0,932 0,10
0,949 0,011
0,96 0,09
0,961 0,018
0,979 0,08
0
rob
a
b
ilit
a
Tip
e
I
Hlm. 21 LD, Semester II 2003/04
β= P (x ≤8 / np = 5) – P (x ≤0 / np = 5)
= 0,932 – 0,007 = 0,925
Hlm. 22 LD, Semester II 2003/04
DATA HASIL
DATA HASIL
INSPEKSI ITEM CACAT
INSPEKSI ITEM CACAT
PETA p DENGAN N TIDAK KONSTAN
PETA p DENGAN N TIDAK KONSTAN
353 4.860
Σ
0,015 0,131
0,067 12
180 20
0,018 0,128
0,055 11
200 19
0,033 0,113
0,050 19
380 18
0,016 0,129
0,095 18
190 17
0,002 0,144
0,125 15
120 16
0,033 0,112
0,062 24
390 15
0,019 0,126
0,067 14
210 14
0,018 0,128
0,050 10
200 13
0,033 0,113
0,068 26
380 12
0,016 0,129
0,079 15
190 11
0,033 0,113
0,079 30
380 10
0,019 0,019 0,126
0,126 0,129
0,129 27
27 210 210 9 9
0,015 0,131
0,111 20
180 8
0,034 0,112
0,063 25
400 7
0,023 0,122
0,072 18
250 6
0,028 0,118
0,067 20
300 5
0,002 0,144
0,067 8
120 4
0,018 0,128
0,085 17
200 3
0,015 0,131
0,056 10
180 2
0,018 0,128
0,070 14
200 1
BKB basis n BKB basis nii BKA basis n
BKA basis nii p
pii D Dii n nii I I
i i
n ) 0726 , 0 1 ( 0726 , 0 0726 , 0 BKB / BKA
n ) p 1 ( p p BKB / BKA
0726 , 0 4860 / 353 p
− ±
=
− ± =
= =
: KENDALI BATAS
Hlm. 23 LD, Semester II 2003/04
Peta Kendali p dengan n tidak konstan
Peta Kendali p dengan n tidak konstan
Hlm. 24 LD, Semester II 2003/04
Data hasil inspeksi
Data hasil inspeksi
PETA np
PETA np
184 6.000
Σ
7 300 20
6 300 19
10 300 18
11 300 17
4 300 16
8 300 15
7 300 14
10 300 13
19 19 300 300 12 12
6 300 11
9 300 10
8 300 9
10 300 8
13 300 7
11 300 6
6 300 5
9 300 4
8 300 3
12 300 2
10 300 1
D Dii n
nii I I
241
,
0
BKB
159
,
18
BKA
)
300
/
2
,
9
1
(
2
,
9
2
,
9
BKB
/
BKA
)
p
1
(
p
n
3
p
n
BKB
/
BKA
2
,
9
20
/
184
p
=
=
−
±
=
−
±
=
=
=
:
KENDALI
BATAS
:
TENGAH
GARIS
OUT OUT
Hlm. 25 LD, Semester II 2003/04
PETA c
PETA c
Digunakan untuk monitoring jumlah cacat dalam sampel dengan ukuran konstan.
Untuk dimensi sampel yang variabel, peta u digunakan untuk memonitor jumlah cacat per unit dimensi sampel.
Basis: distribusi Poisson.
c
3
c
BKB
/
BKA
=
±
=
:
Kendali
Batas
c
Tengah
Garis
Tanpa standar:
o
o
3
c
c
BKB
/
BKA
=
±
=
:
Kendali
Batas
c
Tengah
Garis
oDengan standar (c
0):
Hlm. 26 LD, Semester II 2003/04
PETA c
PETA c
189
Σ
7 25
5 24
7 23
9 22
9 21
8 20
10 19
6 18
7 17
5 16
9 15
11 14
8 13
7 12
9 11
10 10
16 16 9
9 5 8
6 7
5 6
8 5
6 4
7 3
4 2
5 1
Cacat (c Cacat (cii)) I
I
0
0,689
-BKB
;
15,809
BKA
7,56
3
7,56
c
3
c
BKA/BKB
:
Kendali
Batas
7,56
189/25
c
Tengah
Garis
→
=
=
±
=
±
=
=
=
=
Untuk mengendalikan kualitas rakitan PCB (printed circuit board), dilakukan inspeksi melalui sampling terhadap cacat rakitan untuk setiap 100 unit PCB. Hasil inspeksi terhadap 25 sampel yang dilakukan secara berturut adalah sebagai berikut.
OUT OUT
Hlm. 27 LD, Semester II 2003/04
PETA OC PETA c & u
PETA OC PETA c & u
Basis:distribusi Poisson.
Probabilitas Error Tipe II:
Contoh (dari soal terdahulu):
Perhitungan Garis Tengah & Batas Kendali final :
Perhitungan β(distribusi Poisson):
0
846
,
0
; BKB
262
,
15
BKA
208
,
7
3
208
,
7
c
3
c
BKA/BKB
208
,
7
24
)/
16
-189
(
c
→
=
=
±
=
±
=
=
=
{
x
BKA
c
} {
P
x
BKB
c
}
P
<
c−
≤
c=
β
{
} {
}
{
} {
}
{
x
1
5
c
} {
P
x
0
c
}
P
c
0
x
P
c
262
,
5
1
x
P
c
BKB
x
P
c
BKA
x
P
c c≤
−
≤
=
≤
−
<
=
≤
−
<
=
β
β
β
β
P(X≤0|c) P(X≤15|c)
c
0,157 0,000 0,157
20
0,287 0,000 0,287
18
0,669 0,000 0,669
14
0,844 0,000 0,844
12
0,951 0,000 0,951
10
0,978 0,000 0,978
8
0,997 0,001 0,998
7
0,993 0,007 1,000
5
0,950 0,050 1,000
3
0,632 0,368 1,000
1
0,393 0,607 1,000
0,5
0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
0,5 1 3 5 7 8 10 12 14 18 20 Rata-2 jumlah cacat (c)
P
ro
b
a
b
ilit
a
s
E
rr
o
r T
ip
e
I
I
Hlm. 28 LD, Semester II 2003/04
Hlm. 29 LD, Semester II 2003/04
DISTRIBUSI POISSON KUMULATIF (2)
Hlm. 30 LD, Semester II 2003/04
PETA DEMERIT PER UNIT
PETA DEMERIT PER UNIT
Klasifikasi Cacat (ANSI/ASQC A3, 1978)
Klasifikasi Cacat (ANSI/ASQC A3, 1978)
Cacat Kelas A – Sangat Serius:
Merupakan cacat yang secara langsung dapat menyebabkan kecelakaan atau kerugian ekonomi yang katastropik. Item tidak dapat atau gagal untuk digunakan.
Cacat Kelas 2 – Serius:
Merupakan cacat yang dapat menyebabkan kecelakaan atau kerugian ekonomi secara signifikan; dapat menyebabkan kegagalan operasi yang serius, mereduksi umur produk & meningkatkan biaya perawatan.
Cacat Kelas 3 – Mayor:
Cacat yang dapat menyebabkan kegagalan fungsi produk atau masalah yang kurang serius dibandingkan kegagalan operasi produk, dapat mereduksi umur produk atau meningkatkan biaya perawatan, atau mempunyai cacat pada finishing, penampilan, atau kualitas kerja produk.
Cacat Kelas 4 – Minor:
Cacat yang terjadi tidak menyebabkan kegagalan fungsi produk; merupakan cacat pada finishing, penampilan, atau kualitas kerja produk.
U 4 2 4 3 2 3 2 2 2 1 2 1 U
4 4 3 3 2 2 1 1
4 4 3 3 2 2 1 1
4 4 3 3 2 2 1 1
U BK / BKA
n
u w u w u w u w
u u w u w u w u w U
n
c w c w c w c w n D U
c w c w c w c w D
σ σ
± =
+ + + =
+ + + =
+ + + = =
= +
+ + =
: Kendali Batas
cacat. kelas per unit per cacat rata jumlah : ,
: U peta Tengah Garis
Poisson. random variabel dari linier kombinasi :
U , :
unit per Demerit
Hlm. 31 LD, Semester II 2003/04
114 74
18,0 180
10
10,2 102
2 0
2 12
10,3 103
3
Demerit Demerit per unit per unit Total
Total Demerit Demerit Cacat Minor
Cacat Minor
(w3 = 1)
(w3 = 1) Cacat Mayor
Cacat Mayor
(w2 = 10)
(w2 = 10) Cacat Serius
Cacat Serius
(w1 = 50)
(w1 = 50)
CONTOH: Peta Demerit per Unit
CONTOH: Peta Demerit per Unit
Hlm. 32 LD, Semester II 2003/04
0 901 , 4 BKB 941 , 17 BKA
) 807 , BKB / BKA
807 , 045 , 045 , 114 u
Hlm. 33 LD, Semester II 2003/04
TYPE II ERROR
TYPE II ERROR
Tipe I Error:
Tipe I Error:
α
α
Kesalahan menolak outcome dari proses yang normal; Merupakan RESIKO PRODUSEN.
Tipe II Error:
Tipe II Error:
β
β
Kesalahan menerima outcome dari proses yang tidak normal (telah terjadi pergeseran rata-rata proses);
Merupakan RESIKO KONSUME; Untuk data diskrit (peta p) :
{
} {
}
{
x
n
BKA/p
} {
P
x
n
BKB/p
}
P
β
BKB/p
p
ˆ
P
BKA/p
p
ˆ
P
β
∗
≤
−
∗
<
=
≤
−
<
=
x
P(x) = Pr
ob. x item cacat
1 2 3 4 5 6 7
BKB BKA