Himpunan Bagian Rasional
Dalam penggunaan grafik pengendali Shewhart, konsep dasar yang dipahami adalah adanya kumpulan data sampel atau yang biasa disebut himpunan bagian rasional. Hal ini berarti bahwa himpunan bagian atau sampel tersebut harus dipilih sedemikian sehingga apabila sebab-sebab terduga itu ada, kemungkinan adanya perbedaan antar himpunan bagian akan maksimum, sedangkan kemungkinan adanya perbedaan di dalam himpunan bagian akan minimum.
Ada dua pendekatan umum yang digunakan dalam pembentukan himpunan bagian rasional yaitu :
1. Tiap sampel terdiri dari unit yang diproduksi pada waktu yang sama. Pendekatan ini digunakan apabila tujuan utama grafik pengendali adalah untuk menyidik pergeseran proses. Hal ini meminimukan kemungkinan variabilitas dalam suatu sampel dan memaksimumkan variabilitas antar sampel apabila ada sebab-sebab terduga.
2. Tiap sampel terdiri dari unit produksi yang mewakili semua unit yang sudah diproduksi sejak himpunan bagian terakhir diambil. Hal ini dilakukan apabila misal ada produk yang cacat dan tidak dapat diselidiki dari awal proses produksi.
Ada 7 macam Alat untuk SPC:
Histrogram (stem and leaf plot), the check sheet, the pareto chart, the cause and effect diagram, the defect concentration diagram, the scatter diagram, the control charts.
1. HISTROGRAM (STEM AND PLOT)
Histogram adalah grafik visual yang menggambarkan seberapa sering masing-masing jenis variasi terjadi pada suatu proses. Seperti semua alat SPC, histogram umumnya digunakan pada sampel yang representatif dari output untuk membuat penilaian tentang proses secara keseluruhan. Ketinggian dari bar vertikal pada histogram menunjukkan bagaimana umum setiap jenis variasi adalah, dengan bar tertinggi mewakili hasil yang paling umum. Biasanya variasi dokumen histogram di antara 6 dan 20 secara berkala sepanjang atau kontinu (yaitu, kategori terdiri dari rentang nilai proses, seperti rentang pengukuran) dan menunjukkan frekuensi relatif bahwa produk jatuh ke dalam setiap kategori variasi.
Misalnya, jika proses stamping logam-yang seharusnya untuk menghasilkan komponen dengan ketebalan 10,5 mm, berbagai variasi dalam proses tidak terkontrol mungkin antara 9 mm dan 12 mm. Histogram dari output ini akan membaginya menjadi kategori yang sama beberapa dalam jangkauan (misalnya, dengan setiap milimeter per dua) dan menunjukkan berapa banyak bagian dari penurunan jangka sampel ke setiap kategori. Berdasarkan distribusi normal (yaitu, kurva lonceng) grafik akan menjadi simetris pada kedua sisi dari mean, yang biasanya menjadi pusat atau puncaknya. Idealnya, rata-rata juga baik dalam batas spesifikasi untuk output. Jika tabel tidak simetris atau mean miring, ini menunjukkan bahwa proses sangat lemah pada salah satu ujungnya. Jadi, dalam contoh stamping, jika grafik miring terhadap ujung bawah skala ukuran, mungkin berarti bahwa peralatan stamping cenderung menggunakan terlalu banyak kekuatan.
Namun, bahkan jika grafik simetris, jika garis vertikal semua sama dalam ukuran, atau jika ada bar yang lebih besar menonjol ke arah tepi grafik, ini menunjukkan proses ini tidak terkontrol dengan baik. Histogram yang ideal untuk tujuan SPC memiliki bar sangat curam di tengah yang drop off dengan cepat ke bar sangat kecil menuju tepi luar.
2. THE CHECK SHEET
Pengumpulan data sering sekali tidak terstruktur dan berantakan. Ini adalah bentuk sederhana yang dapat Anda gunakan untuk mengumpulkan data secara teratur dan mudah mengubahnya menjadi mudah berguna informasi. Pengumpulan data penting karena merupakan titik awal untuk analisis statistik. Fungsinya adalah untuk menyajikan informasi dengan efisien dan dalam format grafis.
Keuntungan mengggunakan check sheet:
- Efektif cara menampilkan data
- Mudah digunakan
- Dapat mengidentifikasi akar penyebab masalah
- Langkah pertama dalam pembangunan perangkat grafis lainnya
- Menyediakan struktur untuk pengumpulan data seragam
- Dapat digunakan untuk mendukung atau menolak allegationems
3. THE PARETO CHART
Grafik Pareto adalah alat lain yang kuat untuk pengendalian proses statistik dan peningkatan kualitas. Grafik pareto dapat dikatakan lebih baik dari histogram karena lebih memfokuskan perhatian pada faktor-faktor yang menyebabkan masalah yang paling penting dalam suatu proses. Dengan grafik Pareto, fakta tentang potensi peningkatan terbesar dapat dengan mudah diidentifikasi.
Sebuah grafik Pareto juga terdiri dari serangkaian garis vertikal. Namun, dalam hal ini setiap selang atau bar bergerak dari kiri ke kanan dalam urutan semakin ke kanan tingkat kepentingannya, semakin menurun, yang diukur dengan persentase kesalahan yang disebabkan oleh setiap faktor. Jumlah dari semua factor.
Umumnya menyumbang 100 persen dari semua kesalahan atau masalah. Masalah ini sering ditunjukkan dengan grafik garis melapis di atas.
Bar menunjukkan persentase kumulatif pada setiap faktor berturut-turut. Sebuah grafik Pareto hipotetis mungkin terdiri dari empat faktor jelas, bersama dengan persentase terkait, untuk cacat cat pabrik pada produk:
Debu asing pada permukaan (75 persen), variasi suhu (15 persen), menyumbat kepala sprayer (6 persen) , dan variasi formulasi cat (4 persen). Jelas, angka-angka ini menunjukkan bahwa, segala sesuatunya sama, langkah paling efektif untuk mengurangi cacat cat akan menemukan prosedur untuk menghilangkan debu di fasilitas lukisan atau pada bahan sebelum proses berlangsung. Sebaliknya, tawar-menawar dengan pemasok cat untuk formulasi cat lebih konsisten akan memiliki dampak paling sedikit.
4. CAUSE AND EFFECT DIAGRAM
Cause and effect diagram disebut juga Ishikawa diagram atau diagram tulang ikan,karena memberikan representasi visual dari faktor yang paling mungkin berkontribusi terhadap masalah yang diamati atau efek pada proses. Cause and effect diagram secara teknis tidak termasuk alat statistika, tidak memerlukan data kuantitatif untuk membuat satu perhitungan, tapi mereka umumnyadigunakan dalam SPC untuk membantu mengembangkan hipotesis tentang faktor-faktor yang berkontribusi pada masalah kualitas. Dalam cause and effect diagram, garis horizontal utama mengarah ke arah beberapa efek atau hasil, biasanya orang yang negatif seperti cacat produk atau dikembalikan barang dagangan. Cabang-cabang atau "tulang" yang mengarah ke masalah utama adalah kategori utama dari faktor yang berkontribusi, dan dalam ini sering ada berbagai subkategori. Sebagai contoh,penyebab utama perputaran pelanggan pada penyedia layanan Internet konsumen mungkin jatuh ke dalam kategori masalah layanan, harga, dan keterbatasan layanan.Subkategori bawah masalah layanan mungkin termasuk sinyal sibuk untuk dial up pelanggan, pemadaman server, e-mail penundaan, dan sebagainya. Hubungan antara faktor-faktor tersebut dapat diidentifikasi secara jelas, dan karena itu, masalah dapatdiidentifikasi dan akar penyebab dapat dikoreksi.
5. RUN CHART
Run chart menggambarkan perilaku proses dengan waktu. Mereka penting dalam menyelidiki perubahan dalam proses dari waktu ke waktu, seperti siklus yang diprediksi. Setiap perubahan dalam stabilitas proses atau ketidakstabilan dapat dinilai dari grafik dijalankan. Mereka juga dapat digunakan untuk membandingkan dua variable yang terpisah dari waktu ke waktu untuk mengidentifikasi korelasi dan hubungan lainnya.
6. SCATTER DIAGRAM
Scatter diagram juga disebut tabel korelasi. Scatter diagram menunjukkan gambaran grafis dari hubungan antara dua variabel sebagai rangkaian titik. Rentang nilai yang mungkin untuk setiap variabel diwakili oleh sumbu X dan Y, dan pola titik-titik, diplot dari data sampel yang melibatkan dua variabel, menunjukkan apakah suatu hubungan statistik ada.Hubungan ini mungkin karena ada sebab dan akibat atau tentang asal usulnya. Diagram pencar hanya menunjukkan apakah hubungan itu ada dan seberapa kuat. Variabel dalam diagram pencar umumnya harus dapat diukur dalam skala numerik (misalnya, harga, jarak, kecepatan, ukuran, usia, frekuensi), dan karena itu kategori seperti "hadir" dan "tidak hadir" tidak cocok untuk analisis ini.
Sebuah contoh akan untuk mempelajari hubungan antara cacat produk dan pengalaman pekerja. Peneliti akan membangun grafik berdasarkan jumlah cacat yang terkait dengan pekerja dari berbagai tingkat pengalaman. Jika ada hubungan statistik,data diplotkan akan cenderung mengelompok dengan cara tertentu. Misalnya, jika titik-titik mengelompokkan sekitar garis miring ke atas, ini menunjukkan ada korelasi positif antara kedua variabel. Jika itu adalah garis miring ke bawah, mungkin ada hubungan negatif. Dan jika titik data tersebar merata di chart tanpa bentuk tertentu atau clustering, ini menunjukkan tidak ada hubungan sama sekali. Dalam pengendalian proses statistik, diagram pencar biasanya digunakan untuk mengeksplorasi hubungan antaravariabel proses dan dapat menyebabkan mengidentifikasi cara yang mungkin untukkinerja proses meningkat.
7. THE CONTROL CHART
Merupakan kumpulan data yang ditulis dalam bentuk grafik dan digunakan untuk membuat penilaian status pengendalian kualitas pada sebuah proses produksi.
X chart adalah jenis control chart yang menggunakan angka rata-rata dari contoh yang diambil dari suatu paket produk output yang akan diukur variable atau atribut dalam rangka untuk mengetahui status proses produksi atau tingkat pengendalian kualitas dan biasa dinamakan sample average.
X chart mempunyai tiga parameter penting yang ditentukan dengan cara perhitungan dari data-data histories, yaitu:
Nilai rata-rata
Batas pengendalian atas upper control limit (UCL)
Batas pengendalian bawah atau lower control limit(LCL)
Penggunaan fase I dan fase II dalam control charts
Penggunaan control chart melibatkan fase I dan fase II yang memiliki objek berbeda. Pada fase I, sekumpulan data dikumpulkan dan dianalisis dalam analisis retrospektif, yaitu menciptakan batas kontrol percobaan untuk menentukan apakah proses tetap berada dalam kontrol selama selang waktu di mana data dikumpulkan. Dan juga untuk melihat apakah batas kontrol tersebut layak dan dapat digunakan untuk memantau produksi selanjutnya. Kemudian pada fase II, control chart digunakan untuk memonitor apakah proses produksi tersebut masih berada dalam control atau stabil. Biasanya pada fase ini, sebab-sebab tak terduga yang muncul sudah mengalami pergesaran yang lebih sedikit karena variabilitas-variabilitas sudah dikurangi atau dihilangkan pada fase I.
Bagaimana Average Run Length Digunakan Sebagai Ukuran Kinerja Untuk Grafik Pengendali
Menurut montgomery, definisi dar iAverage Run Length (ARL) adalah jumlah rata – rata titik atau sampel yang harus digambarkan sebelum sebuah titik atau sampel menyatakan suatu keadaan yang tidak terkendali atau yang berada diluar kontrol.
ARL digunakan untuk meringkas karakteristik dari sifat pengendali jumlah komulatif.ARL banyak digunakan untuk memperbaiki grafik pengendali yang dikemukakan Shewhart yang hanya menggunakan informasi mengenai proses yang terkandung dalam titik tergambar terkhir dan mengabaikan setiap informasi yang diberikan oleh seluruh barisan titik-titik itu.
ARL digunakan untuk mengevaluasi kinerja dari grafik pengendali.ARL memiliki fungsi menentukan berapa banyak sampel diperlukan sehingga peta kendali menyajikan sinyal indikasi untuk mendeteksi perubahan dari kontrol dalam distribusi probabilitas. Ketika sebuah proses diluar kontrol, pengguna ingin peta kendali untuk sinyal cepat, yakni memiliki panjang luar kontrol rata-rata yang kecil. Sebaliknya ketika proses berada dalam kontrol, pengguna ingin grafik untuk menghasilkan variabilitas yang lebih sedikit, yaitu memiliki panjang dalam kendali rata-rata yang besar.
Suatu pendekatan untuk menduga nilai Average Run Length (ARL) dari grafik pengendali jumlah kumulatif jenis interval keputusan untuk data atribut berdistribusi poisson menggunakan pendekatan rantai Markov.
Ada beberapa aturan sensitisasi untuk grafik pengendali yang banyak digunakan. Sering kita memeriksa grafik pengendali dan menyimpulkan bahwa proses berada di luar kendali jika ada satu atau lebih kriteria yang tidak sesuai. Ketika beberapa aturan sensitisasi diterapkan secara bersamaan, kita sering menggunakan lulus respon terhadap out-of-sinyal kontrol. Respon adaptif sampling yang mungkin tidak separah pencarian untuk penyebab dapat ditetapkan, tetapi jika proses benar – benar keluar kontrol, akan memberi kita kemungkinan besar untuk mendeteksi situasi ini lebih cepat dari yang kita akan lakukan dengan mempertahankan sampling interval. Champ dan Woodall (1987) meneliti kinerja jangka panjang rata – rata untuk Grafik pengendali Shewhart dengan berbagai aturan sensitisasi. Mereka menemukan bahwa penggunaan aturan – aturan tidak meningkatkan kemampuan peta kendali untuk mendeteksi pergeseran lebih kecil, tapi rata-rata di kontrol jangka panjang dapat secara substansial terdegradasi.
Pola – pola grafik pengendali
Dapat terjadi berbagai macam bentuk yang dapat mencari penyebab khusus kesalahan dalam sistem. Penyebab umum yang menyebabkan variasi selalu melekat pada sistem tersebut. Sistem yang berada pada kesalahan karena penyebab umum dapat dikatakan masih berada dalam batas pengendali statistik. Ada beberapa bentuk peta pengendali yang dikarenakan sebab umum. Pola-pola tersebut antara lain :
A. Pola Umum.
Pola umum merupakan satu rencana yang tidak terindentifikasi. Tidak ada titik-titik yang jatuh di luar batas pengendali, mayoritas titik berada pada garis pusat, dan beberapa titik dekat dengan batas–batas pengendali. Pola ini menunjukkan bahwa proses berada dalam pengendalian dan menunjukkan kondisi sistem yang stabil.
B. Pola yang Berubah Secara Mendadak
Pola ini terjadi karena ada perubahan dalam suhu udara, tekanan udara, dan sebagainya. Selain itu, dapat juga terjadi karena operator baru, alat baru, atau instrumen pengukuran yang baru, dan metode pemrosesan baru. Pola ini memiliki kecenderungan meningkat dari waktu ke waktu.
C. Pola Perubahan Tetap
Pola ini karena ada perubahan dalam organisasi seperti perubahan bahan baku atau komponen dari waktu ke waktu, perubahan program perawatan, atau perubahan gaya supervisi. Hal ini akan mempengaruhi perubahan rata-rata proses, sementara perubahan meningkat keakurasian proses terjadi karena operator baru, penurunan keahlian karyawan karena kebosanan atau hal-hal yang bersifat monoton.
D. Pola Siklus
Pola ini terjadi karena pengurangan karakteristik pola melalui evaluasi perilaku yang berulang. Apabila sampel yang diambil terlalu sedikit atau jarang, maka kemungkinan hanya terjadi titik-titik yang tinggi atau rendah yang akan muncul.
E. Pola Tidak Beraturan
Pola ini meliputi keanehan yang berfluktuasi tajam bahkan berada di luar batas pengendali statistik, serta biasanya disebabkan adanya gangguan dari luar. Oleh karenanya, penyimpangan yang terjadi disebabkan oleh sebab khusus. Pola lain adalah pola keterikatan atau kelompok yang berfluktuasi dengan saling berdekatan, namun juga sering kali disebabkan oleh penyebab khusus.
F. Pola Tidak Beraturan
Pola campuran disebabkan oleh dua atau lebih karakteristik kualitas yang berada dekat dengan batas-batas pengendali. Pola ini dapat terjadi bila nilai yang satu terlalu tinggi dan nilai lain terlalu rendah. Hal ini terjadi biasanya apabila perusahaan menggunakan bahan baku yang berasal dari beberapa pemasok.
G. Pola Stratifikasi
Pola ini merupakan hasil dari dua atau lebih distribusi karakteristik kualitas pada populasi. Titik-titik yang terjadi biasanya dekat dengan garis pusat, walaupun ada beberapa titik yang dekat dengan batas-batas pengendali.
Tidak ada komentar:
Posting Komentar