Continuous Improvement. Quality Control Shewhart Chart Statistical Process Control

Continuous Improvement

Quality Control Shewhart Chart

Apa itu Kualitas?

 W. Edwards Deming:

 Memenuhi kebutuhan + keinginan

pelanggan = kualitas

 Kualitas meningkatkan produk/layanan

dan proses

 Peningkatan produk/layanan dan proses

= profitabilitas

Apa itu Kualitas?

 Dewasa ini pandangan yang paling progresif mengenai kualitas adalah bahwa kualitas itu didefinisikan sepenuhnya oleh pelanggan atau pengguna akhir dan didasarkan pada evaluasi terhadap seluruh pelanggan atau pengalaman klien.

 Pengalaman klien adalah agregat dari semua titik interaksi yang klien miliki dengan produk dan layanan dari perusahaan, dan didefinisikan sebagai kombinasi dari kedua hal tersebut.

Keuntungan Kualitas Terhadap

Karyawan

 Kebanggaan dalam pelayanan yang

diberikan

 Kepuasan kerja

 Peningkatan komunikasi  Proses kerja Efisien

 Klien lebih bahagia

 Hubungan klien yang kuat

Keuntungan Kualitas Terhadap

Perusahaan

 Peningkatan kualitas pelayanan  Karyawan berorientasi klien

 Peningkatan hubungan klien  Biaya yang lebih rendah

 Peningkatan hubungan masyarakat

= “Branding”

 Kemampuan untuk memperluas

layanan

 Peningkatan pendanaan

Keuntungan Kualitas Terhadap

Pelanggan

 Peningkatan kualitas pelayanan  Karyawan berorientasi klien

 Suasana yang lebih ramah  Peningkatan pilihan

 Harapan terpenuhi atau terlampaui

Quality Control

 Secara tradisional: menghasilkan produk

yang kualitasnya sesuai dengan spesifikasi design.

 100% Inspeksi

 Deming’s: menghasilkan produk yang

kualitasnya memenuhi kriteria terkontrol

secara statistik dimulai dari

Historical Perspective

 Sebelum 1875: Pre-Industrial Revolution

 Kualitas dikontrol oleh individu (pengrajin / artisan)

yang terlibat pada segala aspek dari produk cycle.

 1875: Tayorism

 Era produksi massal, F. W. Taylor memperkenalkan

scientific management, standar kerja dan insentif terhadap gaji.

 1925: Shewhart’s Statistical Process Control

 Memperkenalkan pendekatan statistik untuk

mempelajari variasi pada proses produksi untuk memperbaiki proses tersebut.

Historical Perspective (Cont...)

 1930: Dodge dan Romig Sampling Methods

 Mengembangkan sistem metode inspeksi sampling

lot demi lot pada produk hasil produksi untuk

menentukan kelayakan pengiriman ke pelanggan

 1950: Deming’s Continuous Improvement

 Mengembangkan pendekatan pada peningkatan

kualitas / produktivitas berasaskan statistik seperti halnya Shewhart tapi diproyeksikan berasaskan institusi.

 1980: Pendekatan Deming dan Metode Taguchi

 Penekanan dengan meletakkan masalah kualitas

naik ke design teknik dengan menggunakan experiment berbasiskan statistik.

Quality Trilogy Juran

 Quality Planning – membangun

sistem yang kapabel

 Quality Control – mengidentifikasi di

mana tindakan diperlukan

 Quality Improvement – cara yang

Quality Trilogy Juran

Quality

Control PlanningQuality

Quality Improvement Holding The Gains

Pareto Analysis

Project by Project Breakthrough

Quality Trilogy Juran

Cos t of Poor Qua lit y

Quality Planning Quality Control Quality Improvement

Deming Cycle – PDCA atau

PDSA

 PDCA dipopulerkan oleh Dr Deming

yang dianggap oleh banyak orang menjadi bapak dari quality control modern; namun hal tersebut selalu disebut oleh Deming sebagai

Deming Cycle – PDCA atau

PDSA

 PDCA harus berulang kali

diimplementasikan berbentuk spiral dengan meningkatkan pengetahuan akan sistem mengarah ke tujuan

utama, setiap siklus lebih dekat daripada sebelumnya.

 Kekuatan siklus Deming terletak

PDCA Cycle adalah checklist dari empat tahap yang harus Anda lalui untuk

mendapatkan hal dari `masalah dihadapi‘ ke`masalah diselesaikan'. Keempat

tahapan itu adalah Plan-Do-Check-Act, dan mereka dilakukan dalam siklus.

P D C A P D C A P D C A

Knowledge & Experience

Project

Di

ff

icult

y

Continuous Improvement

Act Do Check Plan Fase continuous

improvement dari sebuah proses adalah bagaimana Anda membuat perubahan arah.

Perubahan tersebut biasanya karena proses output yang memburuk atau kebutuhan klien telah berubah.

Continuous Improvement

Istilah continuous improvement dan continual

improvement yang sering digunakan secara bergantian.

Tetapi beberapa praktisi kualitas membuat perbedaan berikut :

Continual improvement: istilah yang lebih luas disukai oleh W. Edwards Deming untuk merujuk pada proses umum

perbaikan dan meliputi “discontinuous” improvement—yaitu, banyak pendekatan yang berbeda, yang meliputi area yang berbeda.

Continuous improvement: bagian dari continual

improvement, dengan fokus yang lebih spesifik pada linear, perbaikan inkremental dalam proses yang ada. Beberapa

praktisi juga mengasosiasikan perbaikan terus-menerus lebih erat dengan teknik statistical process control (SPC).

Perbedaan Filosofi Deming dan Juran

• Filosofi Deming pada kualitas adalah suatu teori

yang komprehensif sedangkan filosofi Juran adalah pendekatan analitis dan praktis

• Deming berfokus pada deskripsi (penggunaan

SPC) dan melihat sistematis bisnis sedangkan Juran berfokus pada pengelolaan mutu dan kualitas fungsi

• Deming adalah seorang filsuf yang memberikan

pandangan atau perspektif yang berbeda,

sedangkan Juran adalah seorang praktisi yang ingin mengajar praktek bisnis

Persamaan Filosofi Deming dan Juran

 Argumen Deming pada variasi dan argumen

Juran terhadap perencanaan kualitas, keduanya fokus pada perbaikan dalam proses. Kedua

filsafat terkait dengan "Quality Circle"

 Deming dan Juran mengamati bahwa untuk

sebuah bisnis untuk berhasil, upaya

manajemen mutu memerlukan komitmen dan keterlibatan manajemen puncak jangka

panjang

 Menolak ketergantungan pada slogan-slogan

untuk memotivasi pekerja terutama karena kinerja tergantung pada sistem bisnis dan bukan operator

Persamaan Filosofi Deming dan Juran

 Keduanya memiliki kekhawatiran mengenai

praktik saat ini seperti pembayaran insentif yang didasarkan pada tempat yang salah atau ketinggalan zaman

 Menempatkan pentingnya perencanaan sebagai

keputusan yang dibuat "hulu" atau manajemen puncak yang berpengaruh pada hasil akhir

 Keduanya berfokus pada pelanggan-kebutuhan

dan sangat bergantung pada riset pasar

meskipun pendekatan Juran adalah didorong rekayasa bahwa visi kualitas pelanggan

diterjemahkan ke dalam apa yang dapat diproduksi

Quality Circle

 Sekelompok relawan dilatih untuk

mengidentifikasi, menganalisis dan memecahkan masalah yang

berhubungan dengan pekerjaan dan mempresentasikan solusi untuk

manajemen guna meningkatkan kinerja organisasi

STATISTICAL PROCESS

CONTROL

 METODE UNTUK PENINGKATAN

KUALITAS BERKELANJUTAN

 BERDASARKAN OPTIMASI PROSES

Statistical Process Control (SPC)

 Statistical Process

Control

 memonitor proses

produksi/layanan

untuk mendeteksi dan mencegah kualitas buruk

 Sample

 subset dari item yang

diproduksi / layanan diberikan untuk

digunakan dalam pemeriksaan

 Control Chart

 proses berada dalam

batas kendali statistik

UCL

SPC pada Manajemen Kualitas

 SPC penggunaan

 Apakah proses terkontrol?

 Mengidentifikasi masalah dalam rangka

untuk melakukan perbaikan

 Berkontribusi pada tujuan perbaikan

Dimana Menggunakan Control

Chart

 Proses

 Memiliki kecenderungan untuk lepas kendali

 Sangat berbahaya dan mahal jika berjalan di luar

kendali

 Contoh

 Pada awal proses karena pemborosan untuk

memulai proses produksi dengan persediaan yang buruk

 Sebelum titik mahal atau tidak dapat diperbaiki,

setelah produk mana yang sulit untuk dikerjakan ulang atau memperbaiki

 Sebelum dan sesudah operasi perakitan atau di

cat yang mungkin mencakup cacat

 Sebelum produk akhir keluar atau jasa

Control Chart

 Sebuah grafik yang memantau

kualitas proses

 Control limit

 Batas atas dan bawah dari control chart

 Attributes chart

 p-chart  c-chart

 Variables chart

 mean (x bar – chart)  range (R-chart)

Control Chart Proses

1 2 3 4 5 6 7 8 9 10 Sample number Upper control limit Process average Lower control limit Out of control

Distribusi Normal

 Probabilities for Z= 2.00 and Z = 3.00

=0 1 2 3 -1 -2 -3 95% 99.74%

Metode Statistik

 Populasi: semua kemungkinan dari

suatu proses didalam rangka tertentu.

 Sampling: suatu subset kecil dari

populasi pada waktu tertentu.

 Statistik: perhitungan yang

dilakukan terhadap sample dimana merupakan refleksi dari beberapa fitur spesial dari populasi.

Enumerasi dan Analitik

 Enumerasi: analisa statistik pada

sample berada pada rangka tetap.

 Analitik: Analisa statistik untuk

mengetahui formasi umum dari populasi (Proses pada Statistical Control).

Sample

Sample

Sample

Tidak pada kontrol statistik

Pada kontrol statistik

Representasi Data

 Rata-rata :  Variance  Standar Deviasi  Range n X X n i i



  1



    n i I x N X X S 1 2 1 ) (



    n i I x N X X S 1 1 ) ( min max X X R  

Representasi Data (Cont…)

 Standar Deviasi (R)  R dan Sx / σx adalah ukuran besaran variasi atau level data yang acak  Variabilitas  Signal to Noise Rasio 2 ) ( d R E x   _X S CV  x x S X N S / 

Distribusi Normal

2 ] / ) )[( 2 / 1 ( 2 1 ) ( x x x e x f        Rata-rata STD Kemungkinan nilai x berada pada range 0  x₁

Fundamental SPC

1. Dasar dan sifat umum Variabilitas. 2. Evolusi proses terhadap waktu.

3. Konsep Shewhart dengan Kontrol

Statistik.

4. Mengatur variablitas

menggunakan control chart.

Sumber dari Variasi Fungsional

Taguchi’s Functional Variation:

1. Outer Noise

• Sumber eksternal yang beroperasi pada

lingkungan dimana produk berfungsi.

 Suhu, kelembaban, fluktuasi tegangan,

manusia

2. Inner Noise

• Perubahan internal terhadap karakteristik

produk.

 Usia, Kekalahan mekanik

3. Variational Noise

• Variasi pada parameter produk akibat proses

Penanganan

 Outer dan Inner noise dapat

ditangani pada proses desain teknis produk tersebut.

 Variational Noise dapat ditangani

melalui penanganan proses, design produk serta SPC.

Evolusi Proses Terhadap Waktu

 Proses yang dipengaruhi oleh penyebab

umum yang konstan akan menghasilkan model statistik yang terkontrol.

Proses Kontrol vs. Kapabilitas

 Konformasi produk terhadap

spesifikasi berarti ekspektasi pelanggan tercapai.

 Kontrol statistik pada proses berarti

ekspektasi pelanggan tercapai secara ekonomis.

 Tanpa mengontrol proses secara

statistik berarti kita mengeluarkan biaya lebih untuk memproduksi

produk dalam proses yang terkontrol.

Manajemen Variasi Proses

 Membawa proses dari tidak terkontrol

(ada “special causes”) menjadi terkontrol lalu mendeteksi “chronic common causes” untuk meningkatkan kontrol terhadap

Proses dari SPC

Proses Observasi Pengkoleksian Data Evaluasi Analisis Data Diagnosis Pencarian Fault Keputusan Formulasi Tindakan Implementasi Ambil tindakan

Control Chart untuk Attribute

 p-chart

 menggunakan porsi yang cacat dalam

sampel

 c-chart

 menggunakan jumlah cacat

p-Chart

UCL = p + z_p

LCL = p - z_p

z = jumlah standar deviasi dari rata-rata proses

p = proporsi sampel cacat, estimasi proses rata-rata _p = standar deviasi dari proporsi sampel

_p =

p(1 - p)

Konstruksi p-Chart

20 sampel dar 100 pasang jeans

JUMLAH PROPORSI

SAMPEL# CACAT CACAT

1 6 .06 2 0 .00 3 4 .04 : : : : : : 20 18 .18 200

Konstruksi p-Chart

UCL = p + z p(1 - p) = 0.10 + 3 n 0.10(1 - 0.10) 100 UCL = 0.190 LCL = 0.010 LCL = p - z p(1 - p) = 0.10 - 3 n 0.10(1 - 0.10) 100 = 200 / 20(100) = 0.10 total cacat

total sampel obsevasi

Konstruksi p-Chart

0.02 0.04 0.06 0.08 0.10 0.12 0.14 0.16 0.18 0.20 Propors i C ac at Jumlah Sampel 2 4 6 8 10 12 14 16 18 20 UCL = 0.190 LCL = 0.010 p = 0.10

p-Chart di Excel

Klik “Insert” lalu “Charts” untuk membuat control chart

I4 + 3*SQRT(I4*(1-I4)/100)

I4 - 3*SQRT(I4*(1-I4)/100)

Kopi nilai kolum dari I5 dan I6

c-Chart

UCL = c + z_c

LCL = c - z_c

dimana

c = jumlah cacat per sampel

c-Chart

Jumlah cacat di 15 ruang sampel

1 12 2 8 3 16

: :

: :

15 15 190 SAMPEL c = = 12.67190 15 UCL = c + z_c = 12.67 + 3 12.67 = 23.35 LCL = c - z_c = 12.67 - 3 12.67 = 1.99 JUMLAH CACAT

c-Chart

3 6 9 12 15 18 21 24 J um lah C ac at Nomor Sampel 2 4 6 8 10 12 14 16 UCL = 23.35 LCL = 1.99 c= 12.67

Control Chart untuk Variabel



Range chart ( R-Chart )

 Plot sampel range (variabilitas)



Mean chart ( x -Chart )

 Plot sampel rata-rata

Dasar Statisitk Shewhart Chart

 Control Chart untuk Rata-rata,

 Control Chart untuk Range, R

Membuat

X

dan

R

Control Chart

1. Untuk setiap sampel hitung

rata-rata:

2. Untuk setiap sampel i hitung

range: n X X n i ij i    1 min max X X R_i  

Membuat

X

dan

R

Control Chart

3. Hitung grand average:

4. Hitung rata-rata range:

k X X k i i



  1 k R R k i i



  1

Membuat

X

dan

R

Control Chart

5. Perhitungan true range dan

standar deviasi ():

6. Perhitungan X chart: tidak

diketahui 2 ) ( d R E x   R R n d X _        2 3 UCL R n d X _        2 3 LCL A₂ n x   

Membuat

X

dan

R

Control Chart

7. Perhitungan R chart

Estimasi deviasi range R

R d d R _        2 3 3 UCL R d d R _        2 3 3 LCL D₄ D₃

x-bar Chart:



Diketahui

UCL = x + z _x LCL = x - z _x -= = Dimana

 = standar deviasi proses

_x = standar deviasi rata-rata sampel =/ k = jumlah sampel (subgrup)

n = ukuran sampel (jumlah observasi) x₁ + x₂ + ... + x_k

k X = =

- -

Observasi (Diameter Slip-Ring, cm) n

Sampel k 1 2 3 4 5

-Contoh x-bar Chart:



Diketahui

x

Table

Konstanta

Control

Chart

n A2 D3 D4 2 1.880 0.000 3.267 3 1.023 0.000 2.575 4 0.729 0.000 2.282 5 0.577 0.000 2.114 6 0.483 0.000 2.004 7 0.419 0.076 1.924 8 0.373 0.136 1.864 9 0.337 0.184 1.816 10 0.308 0.223 1.777 11 0.285 0.256 1.744 12 0.266 0.283 1.717 13 0.249 0.307 1.693 14 0.235 0.328 1.672 15 0.223 0.347 1.653 16 0.212 0.363 1.637 17 0.203 0.378 1.622 18 0.194 0.391 1.609 19 0.187 0.404 1.596 20 0.180 0.415 1.585 21 0.173 0.425 1.575 22 0.167 0.435 1.565 23 0.162 0.443 1.557 24 0.157 0.452 1.548 25 0.153 0.459 1.541 Faktor u/ R-chart Ukuran

Contoh x-bar dan R Chart:



Tidak

Diketahui

OBSERVASI (DIAMETER SLIP- RING, CM)

SAMPEL k 1 2 3 4 5 x R 1 5.02 5.01 4.94 4.99 4.96 4.98 0.08 2 5.01 5.03 5.07 4.95 4.96 5.00 0.12 3 4.99 5.00 4.93 4.92 4.99 4.97 0.08 4 5.03 4.91 5.01 4.98 4.89 4.96 0.14 5 4.95 4.92 5.03 5.05 5.01 4.99 0.13 6 4.97 5.06 5.06 4.96 5.03 5.01 0.10 7 5.05 5.01 5.10 4.96 4.99 5.02 0.14 8 5.09 5.10 5.00 4.99 5.08 5.05 0.11 9 5.14 5.10 4.99 5.08 5.09 5.08 0.15 10 5.01 4.98 5.08 5.07 4.99 5.03 0.10 50.09 1.15 Total

Contoh x-bar Chart:



Tidak Diketahui

UCL = 5.08 LCL = 4.94 Rata -rata Nomor Sampel | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 5.10 – 5.08 – 5.06 – 5.04 – 5.02 – 5.00 – 4.98 – 4.96 – 4.94 – 4.92 – x = 5.01 =

Contoh R-Chart:



Tidak Diketahui

Dapatkan faktor chart D₃ dan D₄ UCL = D₄R = 2.11(0.115) = 0.243

LCL = D₃R = 0(0.115) = 0 _

Contoh R-Chart:



Tidak Diketahui

UCL = 0.243 LCL = 0 Ra nge Nomor Sampel R = 0.115 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 0.28 – 0.24 – 0.20 – 0.16 – 0.12 – 0.08 – 0.04 – 0 –

Zona untuk Pattern Test

UCL LCL Zona A Zona B Zona C Zona C Zona B Zona A Rerata Proses 3 sigma = =x+ A₂R 3 sigma = =x- A₂R 2 sigma = =x+ 2₃ (A₂R) 2 sigma = =x-2 (A₂R) 3 1 sigma = =x+ (1₃ A₂R) 1 sigma = =x- 1 (A₂R) 3 x = Jumlah Sample | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13

Interpretasi Chart X dan R

1. Titik ekstrim: titik-titik diluar batas limit kontrol

mengindikasikan kondisi tidak terkontrol.

2. 2 dari 3 titik pada zona A keatas: hanya untuk

grafik X, mengindikasikan kondisi tidak terkontrol.

3. 4 dari 5 titik pada zona B keatas: hanya untuk

grafik X, mengindikasikan kondisi tidak terkontrol.

4. 8 atau lebih titik berurut diatas atau dibawah garis

tengah: mengindikasikan rata-rata atau variabilitas proses bergeser.

5. Tren linear: perubahan sistimatik proses terjadi. 6. 14 titik berosilasi: perubahan sistimatik proses

terjadi.

7. 8 titik berurut tidak pada zona C: hanya grafik X,

mengindikasikan kondisi tidak terkontrol.

8. 15 titik berurut pada zona C: hanya grafik X,

Melakukan Test Pattern

1 4.98 B — B 2 5.00 B U C 3 4.95 B D A 4 4.96 B D A 5 4.99 B U C 6 5.01 — U C 7 5.02 A U C 8 5.05 A U B 9 5.08 A U A 10 5.03 A D B

Penentuan Ukuran Sampel

 Chart Atribut membutuhkan ukuran sampel

yang lebih besar

 50 hingga 100 part dalam sebuah sampel

 Chart variabel memerlukan sampel yang

lebih kecil

Bahan Lanjut