analisis kemampuan proses (capability process)
DESCRIPTION
analisis capability proces poissonTRANSCRIPT
M. Tobib 305312481347
Nur Shofiyati 307312406027
Intan Nisfulaila 308312410090
Laili Kartika 308312410094
Yunis Sulistiyorini 308312417488
A.Ali Syihabuddin 308312417490
Umi Hayik 408312409120
ANALISIS KEMAMPUAN PROSES (CAPABILITY PROCESS)
UNTUK DATA BERDISTRIBUSI POISSON
PENDAHULUAN
• Perusahaan kini sangatlah dituntut untuk bisa mempertahankan kwatitas agar tidak terjadi kerugian baik kerugian perusahaan atau konsumen
• Pengendalian kwalitas statistika ada yang dari perusahaan (pengendalian kwalias statistika) ada juga yang berdasarkan konsumen (analisi kemampuan proses.
• Data dari perusahaan pun sangat bermacam-macam dalam hal ini kita akan diskusi jika data berdistribusi poison
RUMUSAN MASALAH
• Bagaimana cara membuat analisis kemampuan proses untuk data berdistribusi poisson dengan pengambilan data bersampel sama maupun tidak?
• Bagaimana analisis grafik yang dihasilkan dari analisis kemampuan proses untuk data berdistribusi poisson dengan pengambilan data bersampel sama maupun tidak?
KAJIAN TEORI
• Analisis kemampuan proses merupakan suatu studi guna menaksir kemampuan proses dalam bentuk distribusi probabilitas yang mempunyai bentuk, rata-rata (mean), dan penyebaran (standard deviation).
• Analisis kemampuan proses mendefinisikan kemampuan proses dalam memenuhi spesifikasi atau mengukur kinerja proses.
• Kemampuan yang dimaksud adalah kemampuan prosesnya berdasarkan pada penilaian kinerja untuk mencapai hasil yang terukur.
• Sedangkan pengukuran produk yang dimaksudkan adalah variasi produk sebagai hasil akhir suatu proses. Analisis kemampuan proses dilakukan hanya apabila proses berada dalam batas pengendali statistik (in statistical control).
ANALISIS KEMAMPUAN PROSES PADA DATA YANG BERDISTRIBUSI POISSON
• Analisis kemampuan proses pada data yang berdistribusi Poisson digunakan untuk menghasilkan laporan kemampuan proses saat data yang digunakan berdistribusi Poisson.
• Data berdistribusi Poisson biasanya dihubungkan dengan banyak cacat yang diamati dalam satu unit,
• Analisis Kemampuan (Poisson) digunakan jika data yang kita digunakan menemui kondisi-kondisi berikut:
1. Rata-rata cacat per unit dari tempat atau waktu adalah sama untuk tiap-tiap unit.
2. Banyak cacat yang diamati dalam unit-unit adalah bebas satu sama lain.
GRAFIK CAPABILITY PROCESKemampuan analisis (Poisson) menghasilkan laporan kemampuan proses dari data yang berdistribusi Poisson. Laporan itu meliputi poin-poin sebagai berikut:
• Grafik u-chart
Untuk grafik Kendali ini adalah grafik kendali u-chart dengan data sampel lbervariasi dan menggunakan pola harian atau individu, seperti yang telah kita pelajari dalam bab sebelumnya.
• Comulative DPU
Jika tidak ada yang keluar dari batas atas ataupun batas bawah, hal ini menunjukkan bahwa data sampel ini sudah cukup untuk melakukan proses ini.
• Defect Rate
Grafik ini adalah untuk melihatkan apakah data ini mengikuti distribusi poison atau tidak,dengan memplotkan nilai DPU. Maka jika plot tersebut menyebar maka akan berdistribusi poison,
• Histogram
Histogram merupakan penyajian data untuk semua DPU yang ada pada sampel, namun dalam hal ini kita akan membuat kelas dari data-data tersebut.
DATA SAMPEL BERVARIASI• Rata-rata cacat per unit (Mean DPU)
dimana Dtot adalah jumlah semua cacat and N tot adalah jumlah semua sampel.
• Batas Bawah Garis Pusat (Lower CL)
dengan
• Batas Atas Cacat Garis Pusat (Upper CL)
dengan
• Minimal DPU (Min DPU)
melihat data cacat per unit yang bernilai minimum.
• Maksimal DPU(Max DPU)
melihat data cacat per unit yang bernilai maximum
DATA SAMPEL KONSTAN
1. Cacat (Defect)
• Rata-rata cacat (Mean Def)
• Batas Bawah Garis Pusat (Lower CL)
dengan
• Batas Atas Cacat Garis Pusat (Upper CL)
dengan
2. Cacat per unit (DPU)
Untuk DPU perhitungan sama dengan perhitungan pada data sampel bervariasi.
PEMBAHASAN
• DATA SAMPEL BERVARIASI
• DATA SAMPEL KONSTAN
DATA SAMPEL BERVARIASIDalam pabrik tekstil, bahan celupan diperiksa adanya cacat per meter persegi.Dari data 15 gulungan bahan ditunjukkan pada tabel di bawah ini.
Banyak m2
Banyak Ketidaksesuaian Keseluruhan
Banyak Pemeriksaan per Unit
Banyak Ketidaksesuaian per Unit per Pemeriksaan
500 14 10,00 1,40000
400 12 8,00 1,50000
650 20 13,00 1,53846
500 11 10,00 1,10000
475 7 9,50 0,73684
500 10 10,00 1,00000
600 21 12,00 1,75000
525 16 10,50 1,52381
600 19 12,00 1,58333
625 23 12,50 1,84000
650 21 13,00 1,61538
500 12 10,00 1,20000
500 13 10,00 1,30000
475 9 9,50 0,94737
525 15 10,50 1,42857
GRAFIK CAPABILITY ANALYSIS• Dengan menggunakan progam minitab 16 didapatkan hasil grafik kemampuan proses
untuk data atribut bersebaran poison diatas sebagai berikut
PERHITUNGAN MANUAL• Rata-rata cacat per unit (Mean DPU)
• Batas Bawah Garis Pusat (Lower CL) dengan
Jadi sehingga
• Batas atas Garis Pusat (Upper CL)
denganJadi sehingga
• Minimal DPU (Min DPU)
minimum DPU adalah 0.73684.
• Maksimal DPU(Max DPU)
maksimum DPU adalah 1.84.
ANALISIS GRAFIKUntuk grafik Kendali ini adalah grafik kendali u-chart dengan data sampel bervariasi dan menggunakan pola harian atau individu, seperti yang telah kita pelajari dalam bab sebelumnya. Kita lihat bahwa grafik semua adalah terkendali
Dalam grafik ini terlihat bahwa tidak ada yang keluar dari batas atas ataupun batas bawah, hal ini menunjukkan bahwa data sampel ini sudah cukup untuk melakukan proses ini. Yang berarti data masih berada dalam batas analisis kemampuan proses atau batas yang masih diizinkan oleh para konsumen untuk diproduksi perusahaan. Karena cacat yang ada tidak melebihi batas atas analisis kemampuan proses maka dapat disimpulkan mesin maupun karyawan yang bekerja masih dalam kondisi baik. Jika ada data yang berada dibawah batas tersebut maka dapat disimpulkan mesin maupun yang bekerja dalam kondisi yang sangat baik karena jumlah kecacatan pada barang produksi semakin sedikit.
• Defect Rate
Dalam grafik ini melihat perbandingan antara banyak pemeriksaan per unit dengan banyak ketidaksesuaian perunit per pemeriksaan. Grafik yang dihasilkan menunjukkan adanya pengelompokkan pada beberapa data , ini dikarenakan data sampel yang digunakan memiliki kecacatan yang jumlahnya hampir sama.
• Histogram
Dalam kasus data diatas pada histogram pertama pada interval 0,7 – 0,9 terdapat 1 data, 0,9 – 1,1 terdapat 2 data dan seterusnya
DATA SAMPEL KONSTAN
No. SampelBanyaknya
m2
Jumlah
Cacat
Jumlah
Cacat per
Unit
1 100 5 0.05
2 100 4 0.04
3 100 7 0.07
4 100 6 0.06
5 100 8 0.08
6 100 9 0.05
7 100 6 0.06
8 100 5 0.05
9 100 16 0.16
10 100 10 0.10
11 100 9 0.09
12 100 7 0.07
No. Sampel Banyaknya m2
Jumlah Cacat
Jumlah Cacat per Unit
13 100 8 0.08
14 100 11 0.11
15 100 9 0.09
16 100 5 0.05
17 100 7 0.07
18 100 6 0.06
19 100 10 0.10
20 100 8 0.08
21 100 9 0.09
22 100 9 0.09
23 100 7 0.07
24 100 5 0.05
25 100 7 0.07
Data pada perusahaan lembaran baja
EASYFIT DIPEROLEH BAHWA DATA BERSEBARAN POISSON
GRAFIK CAPABILITY ANALISIS DATA KONSTAN
PERHITUNGAN MANUALa. Cacat (Defect)
• Rata-rata cacat (Mean Def)
• Batas Bawah Garis Pusat (Lower CL)
dengan
Jadi sehingga
• Batas Atas Cacat Garis Pusat (Upper CL)
Jadi
PERHITUNGAN MANUAL• Rata-rata cacat per unit (Mean DPU)
• Batas Bawah Garis Pusat (Lower CL)
dengan
Jadi sehingga
• Batas atas Garis Pusat (Upper CL)
denganJadi
• Minimal DPU (Min DPU)
minimum DPU adalah 0.04.
• Maksimal DPU(Max DPU)
maksimum DPU adalah 0.16.
ANALISIS GRAFIK
• Grafik u-chart
Kita lihat bahwa grafik berada dalam kendali, atau in statistical control .
• Cumulative DPU
Dalam grafik ini terlihat bahwa ada beberapa data yang keluar dari batas bawah, hal ini menunjukkan bahwa data sampel ini masih terasa kurang valid pada bagian awal, namun semakin ke belakang semakin mendekati garis pusat sehingga data ini sudah bagus dalam menentukan analisis proses inipada barang produksi semakin sedikit
• Poisson plot
Dalam kasus ini terlihat bahwa data mengikuti garis sehingga dapat disimpulkan bahwa data bersebaran Poisson
• Histogram
Histogram merupakan penyajian data untuk semua DPU yang ada pada sampel, namun dalam hal ini kita akan membuat kelas dari data-data tersebut.0.0375-0.0525 ada 5 data, dst.
KESIMPULANCara membuat analisis kemampuan proses untuk data berdistribusi poisson dengan pengambilan data bersampel sama maupun tidak adalah dengan membuat
• Grafik u-chart
Untuk grafik Kendali ini adalah grafik kendali u-chart dengan data sampel lbervariasi dan menggunakan pola harian atau individu, seperti yang telah kita pelajari dalam bab sebelumnya.
• Cumulative DPU
Jika tidak ada yang keluar dari batas atas ataupun batas bawah, hal ini menunjukkan bahwa data sampel ini sudah cukup untuk melakukan proses ini.
• Defect Rate
Grafik ini adalah untuk melihatkan apakah data ini mengikuti distribusi poison atau tidak,dengan memplotkan nilai DPU. Maka jika plot tersebut menyebar maka akan berdistribusi poison, namun jika terlihat mengumpul maka mungkin data tidak berdistribusi poison.
• Histogram
Histogram merupakan penyajian data untuk semua DPU yang ada pada sampel, namun dalam hal ini kita akan membuat kelas dari data-data tersebut.