identifikasi penyebab kecacatan produk cover kaca di pt
TRANSCRIPT
H. TINJAUANPUSTAKA
1. DEFBSTSIISTILAH
1.1. Pengertian Kualitas
Kualitas dapat didefinisikan dalam berbagai konsep. Kebanyakan
orang mengartikan kualitas sebagai hubungan antara karakteristik-
karakteristik dimana produk atau jasa akan diproses. Kualitas telah
menjadi salah satu dari keputusan konsumen yang terpenting dalam
kompetisi pemilihan produk dan jasa. Konsekuensinya, dengan mengerti
dan meningkarkan kualitas serta faktor-faktor penunjang lainnya adalah
faktor kunci dalam memimpin bisnis menuju sukses, pertumbuhan dan
meningkatkan posisi dalam persaingan.
1.2. Statistic Proses Control (SPC)
Statistic Proses Control ( SPC ) adalah alat pengumpulan
penyelesaian masalah yang sangat kuat berguna dalam pencapaian
stabilitas proses dan peningkatan kemampuan melalui pengurangan
variabilitas. SPC memiliki tujuh alat ( seven tool ) utama yang dapat
diaplikasikan terhadap banyak proses, yaitu : Histogram, Lembar
Pemeriksaan, Diagram Sebab Akibat, Diagram Pareto, Grafik, Diagram
Pencar, Peta kendali. Ketujuh alat tersebut seringkah disebut 'Magnificent
seven' yang merupakan bagian penting dalam SPC yang hanya
menyederhanakan aspek-aspek teknik.
5
2. AIATUNTUKMENDETEKSIPERMASALAHAN
• Histogram
Histogram adalah sebuah grafik yang menyajikan frekuensi versus obyek
yang diteliti, tinggi batang sesuai dengan frekuensi kejadian dari obyek
tersebut. Histogram memudahkan pengamat untuk melihat bentuk, lokasi
atau tendensi pusat dan sebaran data historis. Contoh histogram dapat
dilihatpada gambar 2.1.
m 250-| j 200-^ 150-• | 100-1 50-"» 0 -
Jumlah kebutuhan box
... —
Januari Febuari Maret Apri! Mei Juni
Bulan
Gambar2.1
Contoh histogram
• LembarPemeriksaan
Lembar pemeriksaan memiliki banyak tujuan, namun tujuan yang
terutama adalah mempermudah pengambilan data dan pemanlaatan data
yang dianalisa secara otomatis. Lembar pemeriksaan pabrik mempunyai
fungsi antara lain : perneriksaan distribusi proses produksi, pemeriksaan
item cacat, pemeriksaan lokasi cacat, pemeriksaan penyebab cacat,
pemeriksaan konfirmasi pemeriksaan, dan lain-lain. Lembar
6
pemeriksaan item cacat yang berkaitan erat dengan pembuatan karya
tulis akan dibaiias lebih lanjut Dalam rangka untuk mengurangi jumlah
cacat perlu diketahui macam kemsakan dan persentasenya. Karena setiap
kerusakan mempunyai penyebab yang berlainan, maka tidak tepat jika
hanya mencatat jumlah total kerusakan. Kerusakan tersebut harus
diklasifikasikan dan pencatatan kecacatan harus sesuai pada kolom
penyebab kecacatan tersebut. Sehingga pada akhir kerja dapat dengan
segera melihat jumlah rusak dan pada item mana kerusakan terjadi.
Contoh Lembar Pemeriksaan dapat dilihat pada gambar 2.2.
Lembar Pemeriksaan Kecacatan
Produk Tahap manufakturing: Pemeriksaan ahkir Tipe rusak: gonssan tidak lengkap, tidakjadi Jumlah total diperiksa: 2530
Tipe _ _ _ _ Pemeriksaan Goresan
Retak
Tidak lengkaf
Tidakjadi
lain-lain
Totalrusak
IHI IHI IHl IHI 1
IHIIHI MMII IHIIIII
Tanggal Pabrik Seksi : Nama Diperiksa : Lotno Order no
Sut-J-dal 30
26
10
8
9
83
Gambar 1.2
Contoh lembar pemeriksaan
• Diagram Pareto
Diagram pareto adalah diagram balok dirnana sumbu horisontal
menunjukkan item cacat dimulai dengan item caat utama di kiri ke cacat
}
yang kurang utama ke kanan dan diatur sesuai tingkat utamanya. Sebuah
diagram pareto menunjukkan masaiah apa yang pertama harus
dipecahkan untuk menghilangkan kerusakan dan memperbaiki operasi.
Walaupun grafik balok ini kelihatan sangat sederhana namun sangat
berguna dalam pengendahan mutu pabrik karena lebih mudah melihat
kerasakkan mana yang paling penting dengan grafik balok daripada
menggunakan sebuah tabel bilangan saja. Diagram pareto udak secara
otomatis mengidentifikasi jenis cacat yang paling berpengaruh, tapi lebih
pada yang sering terjadi. Disaat daftar kecacatan berisi gabungan dari
kecacatan yang memilki konsekuensi serius dan yang tidak begitu serius,
satu dari dua metode berikut dapat digunakan
1. Menggunakan pembobotan yang berpola untuk memodifikasi
perhitungan frekuensi.
2. Menggabungkan analisa frekuensi pareto chart dengan biaya atau
penjelasan pareto chart.
Diagram pareto digunakan secara luas dalam aplikasi non manufaktur
dari metode peningkatan kualitas. Tapi kegunaannya dalam
pengendalian kuahtas terbatas pada keterampilan dari analis. Contoh
diagram pareto dapat dilihat pada gambar 2.3.
8
Penurunan harga
Defect * * * * k ^ N * • <**• COUt 95 75 6 5 5 6 5 5 3 6 2 5 2 5 2 2 14
Percert 20.3 16.0 13.9 12.0 118 7.7 5.3 5.3 4.7 3.0 Cum% 20.3 36.3 50.2 62^ 73.9 81.6 87.0 92.3 97.0 100.0
Gambar2.3
ContohdiagramPareto
• Diagram Sebab Akibat
Diagram sebab akibat (fishbone diagram ) merupakan sebuah diagram
hubungan antara sebab dan akibat yang menjelaskan penyebab-penyebab
utama terjadinya dispersi melalui sebuah struktur yang menyerupai
tulang ikan. Dispersi ditunjukkan di sebelah kanan dan faktor
penyebabnya ditunjukkan di sebelah kiri, dimana faktor harus dituliskan
ditulis lebih rinci untuk membuat diagram menjadi lebih bermanfaat
Menurut Dr. Kaoru Ishikawa " hampir separuh kasus dispersi terjadi
karena: bahan mentah, mesin atau peralatan, metode kerja". Bila
terdapat sedikit perbedaan dalam bahan mentah, peralatan dan metode
kerja, dispersi produk dalam histogram akan bertambah besar. Faktor
£
penyebab sebaran adalah bahan mentah, peralatan dan metode kerja dan
sebagainya, perbedaan ini menghasilkan dispersi mutu produk Mutu
yang ingin kita perbaiki dan kendalikan secara jelas disajikan dengan
angka-angka yang menunjukkan pecah, beret, penceng dan sebagainya
yang disebut sebagai "karakteristik mutu". Mesin, bahan, pekerja dan
sebagainya yang dapat menyebabkan penyebaran dan disebut "taktor".
Suatu ketika cacat, kerusakan, kesalahan telah diidentifikasikan dan
diisolir untuk pengkajian lebih lanjut Harus dimulai dengan analisa
mengenai penyebab yang potensial untuk mencari akibat dari
permasalahan tersebut
Adapun langkah-langkah untuk membangun Cause &EffectDiagram:
1. Temukan masalah atau akibat untuk dianahsa
2. Bentuktimuntukmenganalisa.
3. Gambar kotak akibat dan garis tengah
4. Bedakan kelompok akibat yang potensial dan gabungkan semuanya
ke dalam kotak yang dihubungkan dengan garis tengah.
5. Mentifikasikan akibat-akibat yang mungkin dan kelompokkan dalam
langkah 4. Bentuklah kategori baru jika diperlukan.
6. Berilah peringkat pada akibat-akibat untuk membedakan yang mana
yang mempengaruhi masalah.
7. Ambil langkah corrective.
Cause & effect diagram adalah alat yang sangat powerful yang
menyediakan tambahan penyelesaian masalah yang efekti% karena
membuat orang ikut ambil bagian dalam menyerang masalah-masalah
10
yang timbul. Contoh diagram sebab akibat untuk menambah pemahaman
dapat dilihat pada gambar 2.4.
Sebab
Mutu
Akibat
Gambar 2.4
Contoh diagram tulang ikan
• Peta Kendali
Peta kontrol merupakan grafik dari karakteristik mutu yang telah
diukur atau diolah dari sebuah sampel dengan jumlah sampel atau
waktu tertentu. Peta kendali terdiri dari garis pusat yang mewakili nilai
rata-rata dari karakteristik mutu pada kondisi stabil. Dua garis
horisontal lainnya disebut Batas Kontrol Atas (BKA) dan Batas
Kontrol Bawah (BKB). Batas kontrol tersebut dipilih sehingga jika
proses dalam batas kendali, hampir semua sampel jatuh diantara kedua
garis horisontal tersebut, selama titik masih terletak diantara garis
11
batas tersebut maka diasurnsikan bahwa proses masih terkendali, dan
tidak diperlukan adanya tindakan. Contoh Peta Kendah' dilihat pada
gambar 2.5.
Peta Kendali proses bubut
0.3 -H
c 0-2 o "•5 & o £ 0.1
0.0 -~i r -10 20 Sample Number
30
10=0.2535
P=0.1351
LCL=0.01669
Gambar2.5
Contoh peta kendali
3. DISTRD3USIPROBABILITAS UNTUK PENGENDALIAN KUALITAS
3.1 Distribusi Binomial
EMstribusi Binomial adalah salah satu distribusi diskrit melalui
sebuah proses yang terdiri dari sederetan n percobaan independen, dimana
hasil dari masing-masing percobaan adalah sukses atau gagal (Bernoulli
12
Trial) dimana kondisi p adalah konstan dan x adalah jumlah sukses dalam
n percobaan yang berulang.
P{D=x} = (-) p* (1-p) "* n= 0.L2...M (2.1)
Parameter dari distribusi Binomial adalah n dan p , dimana n adalali
bilangan integer positif dan 0 < p < 1.
Rata-rata dari distribusi binomial adalah
M m >*P ( 2- 2)
Nilai varians adalah
t'~ np(l-p) (2.3)
Pengendalian kuahtas sering kali menggunakan distribusi ini sebagai
pendekatan model probabilitas untuk sampling dari populasi yang besar
dan tidak terbatas, dimana p mewakih fraksi defective or nonconforming
unit dalam populasi sedangkan x dalam aplikasi mewakili jumlali unit
rtcnconforming yang ditemukan dalam sampel random dari n unit.
3J2 Distribusi Poisson
Distribusi Poisson merupakan distribusi diskrit dimana parameter
X X) . Aplikasi distribusi poisson dalam pengendalian kualitas merupakan
model dari jumlah defect / nonconformities yang terjadi dalam satu unit
produk.
13
e~x£ p(x)= — — x = 0,l,...
x\
Rata-rata dan variance berturut-turut:
r2 = X
TIPEFETAKENDAII
4.1 Konsepdasar
Bentuk peta kendali beimacam-macam sesuai macam datanya.
Beberapa data didasarkan pada pengukuran seperti pengukuran unit
komponen (dalam mm), atau hasil dari sebuah proses kimia (dalam g)
yang dikenal dengan nilai "indiskrit" atau disebut juga "data kontinu" atau
"data variabel". Data yang lain didasarkan pada penghitungan, seperti
jumlali cacat atau jumlah rusak yang dikenal sebagai "nilai diskrit" atau
"data yang dihitung" yang disebut juga sebagai "data atribut".
Peta kendali yang didasarkan pada dua karegori data tersebut akan
memihki perbedaan. Tabel 2.1 menunjukkan macam data kendali yang
digunakan dalam setiap kasus tergantung pada dasar nilai variabel atau
atribut
Konsep mengenai kesalahan tipe I ( kesalahan <x) dan kesalahan
tipe II ( kesalahan P ) dapat diaplikasikan dalam peta kendali. Kesalahan
tipe I merupakan kesalahan anahsa terhadap suatu proses dirnana
menyirnpulkan proses tak terkendah padahal ternyata proses terkendali
(data sarnpel berada diluar batas kendali ketika proses masih terkendali).
(2.4)
(2.5)
(2.6)
S4
Kesalahan tipe II terjadi ketika terjadi kesalahan analisa terhadap suatu
proses dimana menyimpulkan proses terkendali padahal proses tidak
terkendali (data sampel berada dalam batas kendali ketika proses benar-
benar tidak terkendali).
Tipe Data
Variabel
Atribut
Contoh
Pengukuran (1 /100 mm) Volume(cc) Berat produk (g) Jumlah cacat Cacat pecahan
Jumlah partikel asing dalam komponen pharmasi berbeda dalam volume (bila kisaran dimana rusak dimungkinkan Seperti panjang, luas, volume adalah tidak tetap) Jumlah lubang pen dalam tuas tertentu; jumlah partikei asing dalam vofume tertentu (bila panjang, luas, volume adalah tetap)
Peta kendali yang
diaunakan
x-R
Pn
P
u
C
Tabel 2.1
Tipe Peta Kendali
Berdasarkan hasil pengumpulan data di PT Maspion Teflon
htdustri khususnya pada Departemen Maxim Glass Cover, data bersifat
atribut sehingga peta kendali atribut khususnya peta kendali/? dan np akan
dibahas lebih rinci.
15
4.2 Rasional subgrup
Ide dasar dalam pembuatan peta kendali adalah pengumpulan
sampel data yang disebut juga rasional subgrup. Dua pendekatan umum
dari rasional subgrup antara lain:
• Pertama
Setiap sample terdiri dari unit yang telah diproduksi pada waktu
yang sama ( atau sedekat mungkin ). Digunakan ketika tujuan
utama dari peta kendali adalah untuk mendeteksi penyebab khusus
proses shift. Pada pendekatan pertama ini meminimalkan
kemungkinan dari variabilitas penyebab khusus muncul pada suatu
data dan mernaksirnalkan kemungkinan variabilitas antara sampel
jika penyebab khusus muncul. Pendekatan ini pada rasional
subgrup memberikan sebuah "snap shot "dati proses pada titik
dimana data dikurnpulkan.
• Kedua
Setiap sampel terdiri dari unit yang telah diproduksi yang mewakili
dari semua unit yang telah diproduksi sejak sample terahkir
diambil. Biasanya masing-masing subgrup adalah random. Metode
ini sering digunakan ketika peta kendali yang dibuat digunakan
untuk mengambil keputusan tentang penerimaan dari seluruh unit
produksi yang terlah diproduksi sejak sampel terahkir.
Ada dasar lain pembentukkan rasional subgrup dimana sebuah
konsep terdiri dari beberapa mesin, untuk mendeteksi ada atau tidak mesin
16
yang tidak terkendalL Metode ini terkadang perlu dilakukan dengan work
station yang berbeda, operator yang berbeda dan balikan pimpinan yang
berbeda.
5. PETAKENDALIATRIBUT
5.1 Definisi istilah
Peta kontrol atribut merupakan suatu peta kontrol yang
mengendalikan jumlah produk cacat tanpa memperiiitungkan dimensi
benda kerja. Jadi dalam hal ini dikenal istilalv.
• Defect (noncmformity)
Kesalahan/ kecacatan yang menyebabkan suatu benda gagal
memenuhi spesifikasi yang diminta.
• Defective. (nonconforming items)
Suatu benda / item I unit yang disebut unit yang cacat karena
meiniliki satu atau lebih kecacatan / defect I nonconformity.
• Number ofdefectives (number ofnon conforming item)
Jumlah produk/ unit yang cacat dalam suatu sample I populasi dalam
satu sample yang terdapat n unit, d adalah jumlah produk yang cacat
• Number ofdefect
Jumlah kecacatan/ kesalahan/ ketidaksesuaian/Je/ec£/ nonconformity
dalam suatu sample atau populasi.. Suatu produk / item yang cacat
bisa memiliki lebih dari satu kecacatan.
17
5.2 P control chart (control chartforfraction non conforming)
Fraction nonconforming adalah rasio jumlah unit yang cacat dalam
populasi terhadap jurnlah total unit dalam populasi yaitu
/ > = - (2.7)
n
Jika satu sample dengan n unit diambil dan jika D adalah jumlah unit yang
cacat maka D memiliki dist Binomial dengan parameter n dan/>:
P{D=x} = f -1 p* (1-p) "•* n= 0.1.1...« (2.8)
Sampel fraction nonconforming
> = - (2-9) n
Reratauntuk p adalah/* =p (210)
(2.11) V n J
Konstruksi p control chart.
- (\-lp\ Varians untuk p adalah xp
2 = p 1 —— l n )
UCL=p+-h\V^ p) (2.12) V n
CL =p (2.13)
V n LCL=p-3J^ P) (2.14)
Jika nilai p dari proses produksi tidak diketahui harus diestimasi.
Pi =— i=1.2 m (2.15)
n
m biasanya antara 20-25
Di=jumlah item cacat pada sample ke i
18
- 1 « W7JI
(2.16)
/Jmerupakan estimasi dari/>
Jadi konstruksinya menjadi:
UCL: - p ^ l ^
CL=p
LCL=/?-3 W-P) n
(2.17)
(2.18)
(2.19)
Tiap nilai p/ harus diplot ke dalam peta kendali p dengan CL,
UCL, LCL untuk melihat apakah proses pada saat sampel pendahuluan
diambil pada keadaan terkendali/ tidak.
5.3 Np ccntrol chart (Control chartfor number nonconforming )
Mp- control chart mempunyai parameter
UCL = np+3 JnpQ-p) (220)
CL=np (2.21)
LCL =np-3 Jnp(\-p) (222)
Jika nilai p dari proses sesungguhnya tidak diketahui, maka p dipakai
uiituk mengestimasi p.
19
5.4 Pemilihan antara/? dan np control chari
Penggunaan antara p dan np control chart harus disesuaikan
dengan pengambilan data di lapangan karena antara kedua peta kendali
tersebut memiliki perbedaan. Perbedaan antara p dan np control chart
dapat dilihat pada tabel 2.2.
Berdasarkan tujuan utama penulis yaitu identifikasi kecacatan pada
masing-masing proses maka/? control chart lebih sesuai karena bertujuan
untuk menunjukkan cacat pecahan.
Perbedaan
Sifat
Ukuran subgrup
CL
LCL
UCL
p control chart
Menunjukkan cacat pecahan
Konstan
CL=p
UCL=P + 3Jp{l-p)
V n
UCL-p + lJrt-rt
np control chart
Menunjukkan jumlah cacat
Tidsk konstant
CL = np
np-3 -Jnpil-p)
np + 3 *Jnp(\- p)
Tabel 2.2
Perbedaan/? dan np control chart
6. UJIPROPORSI
Pengujian selisih antara dua proporsi merupakan salah satu metode
pengujian hipotesa yang digunakan untuk membandingkan antara dua proporsi
yang berbeda. Pendekatan normal dapat dapat digunakan untuk melakukan uji
hipotesa terhadap parameter binomial. Terdapat tiga altematif hipotesa yang
digunakan untuk membandingkan dua proporsi cacat dan daerah
penolakkannya dapat dilihat pada tabel 2.3
Null dan Alternatif Hipotesis
Bo-pj-pz Hl -Pl<P2 HoPi =P2 Hi : pi > P2 Ho-Pi=P2 Hi :pi*p2
Daerah Penolakkan
Zo <-Za
Zo>-Za
Zo>-Za
Tabel 2.3
Uji Proporsi Dua Populasi
Parameter pt dan p2 adalah dua proporsi populasi yang diselidiki,
sedangkan Zo dan -Za adalah daerah penolakan. Penggabungan dua sampel
statistik dapat digabungkan menjadi satu estimator dengan rumus sebagai
berikut:
~_niPi+n2P2
P~ i (2.23)
Tes statistik Ho dihitung dengan rumus
Z*~ P\~Pi
Him (2.24)
21
Kesimpulan tolak Ho atau gagal tolak Ho didapatkan dengan membandingkan
nilai Zo dan-Z« (Ztabd) pada suam nnai a tertentu.
7. PEMDLIHANUKDRANSAMPEL
Pemilihan sampel dapat dilakukan dengan banyak cara, salah satu cara
yang cukup mudah khususnya untuk peta kendah atribut adalah dengan
menggunakan distribusi poisson. Jika diinginkan P(D > 1) > y, maksudnya
adalah diinginkan probabilitas mendeteksi kecacatan > 1 sebesar y.
Nilai y = 0.90, X = «p = 2.30
Nilai 7 = 0.95, X = np = 3.00
Nilai y = 0.99, l = np = 4.60
Dengan nilai p yang diketahui maka dapat dihitung pula nilai n.
8. KECAKAPANPROSES
Kecakapan proses dihitung dengan rata-rata proses ketika berada
dalam keadaan terkendali, artinya proses diharapkan menghasilkan rata-rata
cacat sebesar p. Kecakapan proses menghasilkan produk yang baik adalah
0-J*).
9. KIJRVAKARAKTERISTCKOPERASI
Kurva karakteristik operasi menyatakan kondisi dari probabilitas
kesalahan peneiimaan hipotesis statistik pada kondisi yang terkendali
(kesalahan tipe H atau kesalahan p) versus fiaksi nonconforming proses.
22
Kurva karakteristik operasi digunakan untuk mengetahui mengukur
kemampuan peta kendah untuk mendeteksi pergeseran pada nilai nominal p
ke suatu nilai p yang lain.
Pengerrian dari probabihtas kesalahan tipe H atau kesalahan p adalah
probabihtas sebuah titik berada dalam peta kendali, dengan rata-rata/?, yang
dapat dijelaskan melalui rumus:
$ = p(p ^EKApfy^-pip <BKBp|p) (2.25)
Dimana p = — ;maka: 4
P=/>(D<nBKApl/>)-/>(D<.i>BKE^|p) (2.26)
D adalah binomial random variabel dengan parameter n dan p sehingga p bisa
diperoleh dengan distribusi binomial kumulatif . Misalkan nBKAp = a yang
bernilai integer, maka rumus distribusi binomial kumulatif adalah:
/>(D<a|/>)= iJ^pV-p)* (2.27)